BEST

AI Development

AI Agent Development

Hệ thống RAG triển khai với AI Agent (w. LangGraph)

Name: Hệ thống RAG triển khai với AI Agent (w. LangGraph)
Price: 99000 KRW

Đặc vụ AI thông minh RAG (Retrieval Augmented Generation) với LangGraph! Đây là hướng dẫn thực hành từ lý thuyết đến thực tiễn, dễ dàng cho người mới bắt đầu.

(4.9) 92 đánh giá

7,613 học viên

pdstudio

이론 실습 모두

ai활용

AI검색

AI Agent

LangGraph

RAG

LLM

LangChain

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

Xây dựng cấu trúc AI Agent với LangGraph
Áp dụng tác nhân AI vào RAG (Retrieval-Augmented Generation)
Tool Calling (triệu gọi công cụ) để mở rộng năng lực AI
Làm chủ kiến trúc RAG agent mới nhất như Adaptive RAG, Self RAG, Corrective RAG, v.v.

Mặc dù LLM vượt trội về xử lý ngôn ngữ tự nhiên và tạo văn bản, nhưng nó có những hạn chế trong việc tự động điều phối các quy trình làm việc phức tạp hoặc đưa ra quyết định. Ngoài việc truy xuất thông tin, LLM còn yêu cầu sự hỗ trợ của các tác nhân để đánh giá kết quả, tinh chỉnh truy vấn và lựa chọn công cụ phù hợp. Các tác nhân rất cần thiết cho một hệ thống RAG thông minh và linh hoạt hơn .

LangGraph là một công cụ hữu ích để triển khai các quy trình làm việc phức tạp. Trong khi LangChain phù hợp để xử lý các luồng tương đối cố định, LangGraph lại linh hoạt xử lý và quản lý các tác vụ phức tạp, khiến nó trở nên lý tưởng cho các tác nhân.

<Các tính năng của Langgraph>

Quản lý dựa trên nút cho phép xử lý dễ dàng nhiều trạng thái và điều kiện khác nhau.
Quản lý trực quan các quy trình làm việc phức tạp.
Việc kết hợp các tác nhân với biểu đồ ngôn ngữ cho phép bạn kết nối và thực thi nhiều mô-đun một cách hiệu quả.

Môi trường thực hành

Hệ điều hành và Phiên bản (OS): Các bài giảng sẽ được thực hiện dựa trên MacOS (người dùng Linux và Windows cũng có thể thực hành)
Sử dụng môi trường ảo: Khóa học sẽ tiến hành dựa trên Thơ (người dùng conda và venv cũng có thể thực hành)
Các công cụ được sử dụng: VS Code, OpenAI API, v.v. yêu cầu khóa xác thực LLM (có thể áp dụng phí riêng)
Thông số kỹ thuật của PC: Không áp dụng
Phiên bản LangGraph: v0.2.34 được áp dụng
Phiên bản LangChain: v0.3.1 được áp dụng

Thông tin bài giảng được liên kết

RAG Master: Từ cơ bản đến kỹ thuật nâng cao (hợp tác với LangChain)
Từ việc triển khai RAG đến đánh giá hiệu suất -
Phát triển AI thực tế trong 9 giờ
- Thực hành xây dựng hệ thống RAG dựa trên LangChain
- Học các kỹ thuật RAG nâng cao
- Phương pháp đánh giá hiệu suất hệ thống RAG
- Cú pháp LCEL mới nhất của LangChain và cách sử dụng Runnable
Liên kết: https://inf.run/CxVA3

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

Muốn tự tay tạo tác nhân AI thông minh, vượt xa chatbot.
Những ai muốn thử sức phát triển các giải pháp AI thực tiễn ứng dụng RAG và LLM
Những ai đã học khóa 'chatbot' hay 'RAG' trên Langchain và muốn đi tiếp.

Cần biết trước khi bắt đầu?

파이썬
(Bài giảng miễn phí) LangChain Cơ bản dành cho người mới bắt đầu [Bắt buộc]
(Khóa học trả phí) RAG Master: Từ cơ bản đến kỹ thuật nâng cao [Khuyên dùng]

Xin chào
Đây là

13,473

Học viên

453

Đánh giá

126

Trả lời

4.9

Xếp hạng

Các khóa học

안녕하세요. 저는 파이썬을 활용한 데이터 분석 및 인공지능 서비스 개발 실무를 하고 있습니다. 관심 있는 주제를 찾아서 공부하고 그 내용들을 많은 분들과 공유하기 위해 꾸준하게 책을 집필하고 인공지능 강의를 진행해 오고 있습니다.

[이력]

현) 핀테크 스타트업 CEO

전) 데이콘 CDO

전) 인덕대학교 컴퓨터소프트웨어학과 겸임교수

Kaggle Competitin Expert, 빅데이터 분석기사

[강의]

NCS 등록강사 (인공지능)

SBA 서울경제진흥원 새싹(SeSAC) 캠퍼스 SW 교육 ‘우수 파트너 선정’ (Python을 활용한 AI 모델 개발)

금융보안원, 한국전자정보통신산업진흥회, 한국디스플레이산업협회, 대구디지털산업진흥원 등 강의

서울대, 부산대, 경희대, 한국외대 등 국내 주요 대학 및 국내 기업체 교육 경험

[집필]

파이썬 머신러닝 판다스 데이터 분석(정보문화사) : https://zrr.kr/x1ec
파이썬 딥러닝 머신러닝 입문(정보문화사) : https://zrr.kr/RPaE
파이썬 딥러닝 텐서플로(정보문화사) : https://zrr.kr/PrVN
실무자를 위한 파이썬 Python 100제(정보문화사) : https://zrr.kr/4fyq
랭체인(LangChain) 입문부터 응용까지 (위키독스) : https://wikidocs.net/book/14473

[유튜브] 판다스 스튜디오 : https://youtube.com/@pandas-data-studio?si=XoLVQzJ9mmdFJQHU

Chương trình giảng dạy

Tất cả

54 bài giảng ∙ (6giờ 45phút)

Tài liệu khóa học:

Tài liệu bài giảng

Phần 1. Mở đầu

7 bài giảng ∙ (15phút)

1. Tổng quan khóa học
11:13
2. Cấu hình môi trường thực hành [Dùng Poetry]
04:34
3. [Tài liệu tham khảo] Tạo môi trường ảo Anaconda & Cài đặt gói & Chạy VS Code (người dùng conda)
4. [Tài liệu tham khảo] Cách thiết lập biến môi trường (.env) và Đăng ký khóa xác thực OpenAI API
5. Tải file thực hành
6. Tải dữ liệu
7. Tải tài liệu

Phần 2. LangChain (LangChain) Cách sử dụng ToolCalling / Agent

14 bài giảng ∙ (1giờ 37phút)

8. Hiểu khái niệm Tool Calling (gọi công cụ)
05:15
9. Tạo công cụ tích hợp trong LangChain (ví dụ: tìm kiếm web Tavaily)
07:12
10. Gọi công cụ tích hợp sẵn của 랭체인 (LangChain)
06:32
11. LangChain (랭체인) chạy công cụ tích hợp sẵn
05:01
12. Tạo phản hồi của LLM từ kết quả Tool Calling (gọi công cụ)
06:41
13. Sử dụng Công cụ Tùy chỉnh LangChain - Custom Tool
06:25
14. So sánh hiệu suất Tool Calling của các mô hình LLM (OpenAI, Gemini, Llama 70B)
03:29
15. Biến đối tượng Runnable thành công cụ
06:11
16. Chuyển đổi LCEL chain thành công cụ
09:30
17. Chuyển đổi Vector Store thành công cụ
10:12
18. Gọi sử dụng nhiều công cụ
06:15
19. Cải thiện hiệu suất Tool Calling thông qua Few-shot prompt.
07:39
20. Sử dụng 랭체인 (LangChain) 에이전트(Agent)
09:29
21. Áp dụng giao diện chatbot Gradio
08:07

Phần 3. LangGraph: Củng cố nền tảng (Phần 1)

4 bài giảng ∙ (39phút)

22. Tổng quan LangGraph
02:22
23. Hiểu đồ thị trạng thái (StateGraph)
09:09
24. Triển khai Đồ thị trạng thái (StateGraph)
10:40
25. Hiện thực hóa phân nhánh (Branching) bằng hàm Edge có điều kiện.
17:12

Phần 4. Củng cố nền tảng LangGraph (Phần 2)

5 bài giảng ∙ (41phút)

Phần 5. Sử dụng LangGraph ReAct Agent

7 bài giảng ∙ (38phút)

Phần 6. Triển khai RAG dựa trên tác nhân đa dạng

12 bài giảng ∙ (1giờ 43phút)

Phần 7. [Final Project] Hệ thống RAG hỏi đáp dựa trên văn bản pháp luật

5 bài giảng ∙ (1giờ 8phút)

Ngày đăng:

Cập nhật lần cuối:

Đánh giá

Tất cả

92 đánh giá

4.9

92 đánh giá

이성규
Đánh giá 6
∙
Đánh giá trung bình 5.0
5
61% đã tham gia
깔끔히 정리가 잘된 강의입니다. 사실 원래 LangGraph 프로젝트를 해본 경험이 있는 인원인지라 구입을 망설였었는데, 정리가 너무 깔끔하고 하나하나 차분히 모두 설명해주는 느낌이라 몰랐던 부분도 알게되고 전혀 아깝지 않은 것 같네요. 진지하게 해당 강의때문에 RAG 랭체인 강의도 사야하나 고민 중 입니다.
- 판다스 스튜디오
  Giảng viên
  정말 감사합니다! 😊 더 좋은 강의를 준비해서 뵙겠습니다! 🌟
박종헌
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
31% đã tham gia
good5229
Đánh giá 3
∙
Đánh giá trung bình 5.0
5
31% đã tham gia
gukhan lee
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
31% đã tham gia
정영일
Đánh giá 2
∙
Đánh giá trung bình 5.0
5
31% đã tham gia

2.089.422 ₫

Khóa học khác của pdstudio

Hãy khám phá các khóa học khác của giảng viên!

RAG 마스터: 기초부터 고급기법까지 (feat. LangChain)

판다스 스튜디오

이 강의는 LangChain을 활용한 RAG(Retrieval-Augmented Generation) 시스템의 기본 개념과 구현 방법을 다룹니다. 참가자들은 RAG의 핵심 원리를 이해하고, LangChain을 통해 실제로 시스템을 구축하며 성능을 평가하는 방법을 배우게 됩니다.

초급

RAG, LangChain, LLM

RAG 마스터: 기초부터 고급기법까지 (feat. LangChain)

판다스 스튜디오

graphRAG - Neo4J로 구현하는 지식 그래프 기반 RAG 시스템 (feat. LangChain)

판다스 스튜디오

Neo4J로 구현하는 지식 그래프 기반 RAG 시스템: 단순 벡터 검색을 넘어 데이터 관계까지 활용하는 차세대 검색 기술 그래프 데이터베이스의 힘으로 RAG 성능 극대화하기!

초급

RAG, LangChain, neo4j

graphRAG - Neo4J로 구현하는 지식 그래프 기반 RAG 시스템 (feat. LangChain)

판다스 스튜디오

프로젝트로 배우는 Python 챗봇 & RAG - LangChain, Gradio 활용

판다스 스튜디오

파이썬 기본 문법과 라이브러리를 활용해서 나만의 AI 챗봇을 직접 만들어 보세요. PDF 문서 기반의 RAG 등 5개의 프로젝트를 단계별로 수행하고, 웹 서비스로 배포하는 과정을 학습합니다.

초급

RAG, LangChain, LLM

프로젝트로 배우는 Python 챗봇 & RAG - LangChain, Gradio 활용

판다스 스튜디오

LLM 데이터 분석 - 웹 크롤링부터 추천 시스템까지

판다스 스튜디오

초급자를 위한 쉬운 설명과 다양한 실습 프로젝트 중심으로 구성된 강의입니다. 웹 크롤링과 LangChain 도구로 데이터를 수집하고, LLM 활용하여 요약, 추출, 감성 분석, 추천 시스템을 다룹니다.

초급

LLM, LangChain, 웹 크롤링

LLM 데이터 분석 - 웹 크롤링부터 추천 시스템까지

판다스 스튜디오

입문자를 위한 LangChain 기초

판다스 스튜디오

파이썬을 활용하여 랭체인(LangChain)의 기본 개념과 사용법을 학습합니다. 구글 코랩(colab) 환경에서 실습 위주로 진행하고, 실습자료는 깃헙(Github)을 통해서 제공합니다.

초급

LangChain, LLM, openAI API

입문자를 위한 LangChain 기초

판다스 스튜디오

입문자를 위한 Python 기초

판다스 스튜디오

비전공 입문자를 위한 파이썬 기초 강의입니다. 실습자료는 깃헙(Github)을 통해서 제공합니다.

입문

Python

입문자를 위한 Python 기초

판다스 스튜디오

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

메이드 인 RAG(로컬 LLM QA시스템) With Docker + ollama + R2R

코점스튜디오

Docker + ollama + R2R 프레임워크를 이용해서 실습 2시간만에 로컬 LLM with RAG기반 QA 시스템을 구축합니다. (사내/인하우스 QA 시스템, 개인 포트폴리오, AI 활용 업무능력, 상용서비스까지 가능합니다)

초급

Docker, 인공지능(AI), wsl

메이드 인 RAG(로컬 LLM QA시스템) With Docker + ollama + R2R

코점스튜디오

Spring WebFlux + LLM 실전 구현

John H

Spring WebFlux로 여러 기능을 만듭니다. 이 강의를 통해 WebFlux의 필수 개념과 실전 구현을 익힐 수 있습니다.

초급

Java, Spring, webflux

Spring WebFlux + LLM 실전 구현

John H

AI 에이전트 입문 치트키, Claude MCP로 끝내는 업무 자동화

Masocampus

AI가 내 Slack, Notion에 대신 글을 써준다고? 기존 AI의 한계를 뛰어넘은 MCP로 똑똑하게 일하세요!

입문

MCP, AI Agent, AI 활용 (AX)

AI 에이전트 입문 치트키, Claude MCP로 끝내는 업무 자동화

Masocampus

TypeScript로 시작하는 LangChain - LLM & RAG 입문

아이비(배인진)

LLM 활용을 위한 필수 개념부터 RAG까지, TypeScript로 배우는 LangChain 기본기

입문

LangChain, LLM, 프롬프트엔지니어링

TypeScript로 시작하는 LangChain - LLM & RAG 입문

아이비(배인진)

바이브 코딩으로 만드는 재미있는 재무제표 (커서 ai)

퇴근후딴짓

프롬프트만으로 재무제표를 분석하고 시각화하는 매력적인 코딩 세계로 초대합니다. 코드 한 줄 없이 AI와 상의하며 서비스를 만들고 배포까지 진행합니다.

입문

프롬프트엔지니어링, business, AI 활용 (AX)

바이브 코딩으로 만드는 재미있는 재무제표 (커서 ai)

퇴근후딴짓

CrewAI와 LLM으로 인공지능 판사 만들기

아리가람

LLM 기반 다중 에이전트 기술을 구현할 수 있게 하는 CrewAI, 지식 그래프, 추론 시스템을 결합해 인공지능 판사를 만들어 봅니다.

중급이상

인공지능(AI), LLM, AI Agent

CrewAI와 LLM으로 인공지능 판사 만들기

아리가람

대세는 바이브 코딩과 MCP_Cursor AI로 시작하기

Masocampus

생성형 인공지능의 최신 트렌드, AI 에이전트! 개발 업무를 다 해주는 Cursor와 기능을 확장해주는 MCP로 앞서나가는 방법!

입문

cursor, mvp, AI Agent

대세는 바이브 코딩과 MCP_Cursor AI로 시작하기

Masocampus

코딩 없이 AI 자동화 전문가가 되는 법, n8n 완벽 가이드

남박사

요즘도 직접 코딩하시나요? 이젠 바이브 코딩도 귀찮은 시대! 코딩 없이 n8n으로 AI 자동화 전문가가 되어보세요. 실무에 바로 적용 가능한 자동화 워크플로우 설계 가이드 업무 효율을 극대화하는 실전 중심의 자동화 전략. n8n으로 직관적인 워크플로우를 구축하며, 업무 혁신을 경험해보세요

입문

n8n, 인공지능(AI), RAG

코딩 없이 AI 자동화 전문가가 되는 법, n8n 완벽 가이드

남박사

[Sionic MCP 시리즈 1] Model Context Protocol 을 이용하여 IntelliJ 와 코딩해보자!

Sionic AI

Model Context Protocol (MCP) 를 이용하여 IntelliJ와 연동하여 빠르게 개발할 수 있는 방법에 대해 핸즈온 하는 튜토리얼입니다.

입문

IntelliJ IDEA, LLM, 인공지능(AI)

[Sionic MCP 시리즈 1] Model Context Protocol 을 이용하여 IntelliJ 와 코딩해보자!

Sionic AI

Spring AI 실전 가이드: RAG 챗봇 만들기

Sionic AI

Spring AI로 AI를 다루는 가장 쉬운 방법을 배워봅니다. RAG 챗봇을 만들어보면서 Spring AI를 배워봅시다.

입문

Spring AI, LLM, RAG

Spring AI 실전 가이드: RAG 챗봇 만들기

Sionic AI

[LLM 101] LLM 필수기초 & LLaMA SFT 튜닝하기 (feat. ChatApp Poc)

꿈꾸는범블비

LLM을 위해 필요한 기초지식부터 실전에서 쓰일법한 팁까지 핵심적인 내용위주로 빠르게 현직자가 전달합니다!

초급

NLP, ChatGPT, LLM

[LLM 101] LLM 필수기초 & LLaMA SFT 튜닝하기 (feat. ChatApp Poc)

꿈꾸는범블비

Hệ thống RAG triển khai với AI Agent (w. LangGraph)

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

Đối với một hệ thống RAG mạnh mẽ
Công cụ AI của Magic Tool 🪄

Các tác nhân AI nâng cao hiệu suất LLM 🔧

Tại sao nên sử dụng LangGraph? 🤔

Các tính năng của khóa học này

Tìm hiểu về những điều này

Thiết kế luồng tác nhân AI với LangGraph

Mở rộng khả năng AI với Tool Calling

Triển khai Kỹ thuật RAG dựa trên tác nhân nâng cao

Những điều cần lưu ý trước khi tham gia khóa học

Môi trường thực hành

Tài liệu học tập

Kiến thức và biện pháp phòng ngừa của người chơi

Thông tin bài giảng được liên kết

Khuyến nghị cho
những người này

Xin chào
Đây là

Chương trình giảng dạy

Đánh giá

Khóa học khác của pdstudio

Khóa học tương tự

Hệ thống RAG triển khai với AI Agent (w. LangGraph)

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

Đối với một hệ thống RAG mạnh mẽ Công cụ AI của Magic Tool 🪄

Các tác nhân AI nâng cao hiệu suất LLM 🔧

Tại sao nên sử dụng LangGraph? 🤔

Các tính năng của khóa học này

Tìm hiểu về những điều này

Thiết kế luồng tác nhân AI với LangGraph

Mở rộng khả năng AI với Tool Calling

Triển khai Kỹ thuật RAG dựa trên tác nhân nâng cao

Những điều cần lưu ý trước khi tham gia khóa học

Môi trường thực hành

Tài liệu học tập

Kiến thức và biện pháp phòng ngừa của người chơi

Thông tin bài giảng được liên kết

Khuyến nghị cho những người này

Xin chàoĐây là .css-1q3zd4q{text-decoration-line:underline;text-underline-position:under;text-underline-offset:1px;}

Chương trình giảng dạy

Đánh giá

Khóa học khác của pdstudio

Khóa học tương tự

Đối với một hệ thống RAG mạnh mẽ
Công cụ AI của Magic Tool 🪄

Khuyến nghị cho
những người này

Xin chào
Đây là