inflearn logo
inflearn logo

graphRAG - Hệ thống RAG dựa trên đồ thị tri thức được triển khai bằng Neo4J (feat. LangChain)

Hệ thống RAG dựa trên Đồ thị tri thức triển khai bằng Neo4j: Công nghệ tìm kiếm thế hệ mới tận dụng mối quan hệ dữ liệu vượt xa tìm kiếm vector đơn thuần Tối đa hóa hiệu suất RAG với sức mạnh của cơ sở dữ liệu đồ thị!

(4.9) 57 đánh giá

454 học viên

Độ khó Cơ bản

Thời gian Không giới hạn

RAG
RAG
LangChain
LangChain
neo4j
neo4j
LLM
LLM
DBMS/RDBMS
DBMS/RDBMS
RAG
RAG
LangChain
LangChain
neo4j
neo4j
LLM
LLM
DBMS/RDBMS
DBMS/RDBMS

Đánh giá từ những học viên đầu tiên

Đánh giá từ những học viên đầu tiên

4.9

5.0

서강식

31% đã tham gia

Tôi muốn sớm thử triển khai vào db của mình.

5.0

kmkang

31% đã tham gia

Xin chân thành cảm ơn.

5.0

JIYEON SUNG

100% đã tham gia

Sau khi sử dụng vectorRAG, tôi cũng muốn tìm hiểu về graphRAG, và thật may mắn là có khóa học nên tôi đã tham gia. Từ giải thích khái niệm cơ bản đến xử lý dữ liệu bằng dữ liệu thực tế và nhiều phương thức tìm kiếm truy vấn... đến RAG theo phương thức Hybrid, tôi đã có thể theo dõi và học thông qua các tệp thực hành Kind, rất bổ ích! Thật ra tôi có điều muốn triển khai, và sau khi tham gia khóa học này, tôi nghĩ mình có thể bắt đầu ngay bằng cách sử dụng kiến thức đã học. Giọng của giảng viên trầm ấm nhưng trôi chảy, nên dù nghe ở tốc độ 1.7 lần vẫn không cảm thấy khó chịu mà rất dễ nghe, giúp tôi hoàn thành khóa học nhanh chóng! Em đã học rất vui và bổ ích ạ, thưa giảng viên. Em rất mong chờ khóa học tiếp theo!

Bạn sẽ nhận được điều này sau khi học.

  • Cách xây dựng đồ thị tri thức sử dụng cơ sở dữ liệu đồ thị Neo4J

  • Cách áp dụng Đồ thị tri thức (Knowledge Graph) vào RAG

  • Triển khai hệ thống tìm kiếm dựa trên đồ thị bằng cách kết nối LangChain và Neo4J

  • Sử dụng và tích hợp các kỹ thuật tìm kiếm đa dạng (tìm kiếm cơ bản, tìm kiếm toàn văn, tìm kiếm vector)

  • Chuyển đổi truy vấn ngôn ngữ tự nhiên thành truy vấn đồ thị thông qua kỹ thuật Text2Cypher

Sử dụng Cơ sở dữ liệu đồ thị để xây dựng hệ thống RAG mạnh mẽ 🪄

Các hệ thống RAG thông thường phụ thuộc vào việc tìm kiếm vector đơn thuần nên khó có thể biểu diễn chính xác mối quan hệ giữa các thông tin. graphRAG sử dụng cơ sở dữ liệu đồ thị giúp cấu trúc hóa các mối quan hệ phức tạp giữa dữ liệu, từ đó có thể tạo ra các phản hồi chính xác và phù hợp với ngữ cảnh hơn. Thông qua biểu diễn tri thức có cấu trúctìm kiếm dựa trên mối quan hệ, bạn có thể nhận được kết quả tìm kiếm chính xác hơn.

[Dự án 2] Gợi ý sản phẩm tài chính ETF - Triển khai đồ thị tri thức (Sử dụng trình duyệt Neo4J)

Nâng cao hiệu suất RAG bằng đồ thị tri thức 🔧

Biểu diễn tri thức có cấu trúc : Biểu diễn thông tin dưới dạng các nút và mối quan hệ để làm rõ tính kết nối giữa các dữ liệu, đồng thời cấu trúc hóa các kiến thức phức tạp một cách hệ thống.

Tìm kiếm dựa trên mối quan hệ : Vượt xa việc khớp từ khóa đơn thuần hay độ tương đồng vector, phương pháp này cung cấp kết quả chính xác hơn thông qua tìm kiếm dựa trên các mối quan hệ ngữ nghĩa.

Tích hợp đa dạng phương thức tìm kiếm : Kết hợp sử dụng tìm kiếm toàn văn dựa trên từ khóa (Full-text Search) và tìm kiếm ngữ nghĩa dựa trên vector (Semantic Search) để tối đa hóa hiệu suất tìm kiếm.

Cấu trúc tri thức có khả năng mở rộng : Có thể dễ dàng thêm và kết nối các dữ liệu và mối quan hệ mới, giúp xây dựng một cơ sở tri thức có thể mở rộng liên tục.

<Đặc điểm của Neo4j>

  • Có thể mô hình hóa dữ liệu một cách tự nhiên thông qua các nút (node) và mối quan hệ (relationship).

  • Có thể khám phá đồ thị một cách trực quan thông qua ngôn ngữ truy vấn Cypher.

  • Hỗ trợ các thuật toán đồ thị mạnh mẽ và lập chỉ mục vectơ.

  • Cung cấp nhiều tính năng đa dạng để tích hợp với khung làm việc LangChain. framework.

[Triển khai RAG sử dụng LangChain + Neo4J] https://neo4j.com/labs/genai-ecosystem/langchain/

Đặc điểm của khóa học này

Học tập từng bước tập trung vào thực hành

Kết hợp giữa giải thích lý thuyết và thực hành ngay lập tức để giúp bạn hiểu rõ khái niệm về tích hợp cơ sở dữ liệu đồ thị và RAG, từ đó nuôi dưỡng khả năng ứng dụng thực tế.

Học tập qua nhiều ví dụ thực tế đa dạng

Bạn sẽ được học cách xây dựng và tìm kiếm đồ thị tri thức (Knowledge Graph) trong nhiều lĩnh vực đa dạng bằng cách sử dụng dữ liệu thực tế như đề xuất phim, dữ liệu tin tức, sản phẩm tài chính ETF và văn bản pháp luật.

Bạn sẽ được học những nội dung này

Cơ bản về cơ sở dữ liệu đồ thị Neo4J

Học từ cách thiết lập Neo4J AuraDB cho đến các khái niệm cốt lõi của cơ sở dữ liệu đồ thị như nút (node), quan hệ (relationship) và thuộc tính (property). Nắm vững các kiến thức cơ bản cần thiết để sử dụng cơ sở dữ liệu đồ thị như các cú pháp chính của ngôn ngữ truy vấn Cypher, tìm kiếm đường đi và các hàm tổng hợp.

Xây dựng Đồ thị tri thức (Knowledge Graph)

Bạn sẽ được học cách chuyển đổi dữ liệu từ nhiều lĩnh vực khác nhau như dữ liệu có cấu trúc CSV, tin tức, sản phẩm tài chính ETF, văn bản pháp luật thành đồ thị tri thức (Knowledge Graph). Ngoài ra, bạn cũng sẽ được học về thiết kế bản thể luận (ontology), thiết lập các ràng buộc và cách sử dụng các công cụ LangChain để chuyển đổi đồ thị.

Triển khai kỹ thuật tìm kiếm dựa trên đồ thị

Bạn sẽ học cách triển khai các kỹ thuật tìm kiếm dựa trên đồ thị đa dạng như tìm kiếm cơ bản, tìm kiếm toàn văn (Full-text Search), tìm kiếm vector (Semantic Search) và Text2Cypher. Ngoài ra, bạn cũng sẽ được học phương pháp tìm kiếm hybrid để triển khai hệ thống RAG nâng cao.

Lưu ý trước khi khóa học bắt đầu

Môi trường thực hành

  • Hệ điều hành và phiên bản (OS): Bài giảng được tiến hành trên nền tảng MacOS (người dùng Linux, Windows vẫn có thể thực hành)

  • Sử dụng môi trường ảo: Sử dụng trình quản lý gói uv (người dùng conda, poetry, venv cũng có thể thực hành)

  • Công cụ sử dụng: VS Code, cần khóa xác thực LLM API (OpenAI/ Google Gemini) *Có thể phát sinh chi phí

  • Cấu hình PC: Không áp dụng

  • Python 3.12 /

    langchain 0.3.23 / langchain-neo4j 0.3.0 / numpy 1.26.4

Tài liệu học tập

Kiến thức tiên quyết và những lưu ý

  • Kỹ năng lập trình Python cơ bản

  • Hiểu các khái niệm cơ bản về LangChain

    • [Khóa học miễn phí] Cơ bản về LangChain dành cho người mới bắt đầu (Bắt buộc) : https://inf.run/Xabb2

    • [Khóa học trả phí] RAG Master: Từ cơ bản đến nâng cao (Khuyên dùng) :https://inf.run/CxVA3

  • Không yêu cầu kinh nghiệm về cơ sở dữ liệu đồ thị (sẽ được hướng dẫn từ cơ bản trong bài giảng)

  • Nếu bạn có câu hỏi hoặc ý kiến gì, xin vui lòng thoải mái đặt câu hỏi.


Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Nhà phát triển muốn nâng cao hiệu suất và độ chính xác của hệ thống RAG

  • Những người muốn xử lý hiệu quả dữ liệu có mối quan hệ phức tạp

  • Những ai muốn xây dựng hệ thống tìm kiếm tri thức có cấu trúc thay vì chỉ dừng lại ở tìm kiếm vector đơn thuần.

  • Những người muốn áp dụng Biểu đồ tri thức (Knowledge Graph) vào các ứng dụng AI

Cần biết trước khi bắt đầu?

  • Python

  • LangChain

  • RAG

Xin chào
Đây là pdstudio

16,507

Học viên

789

Đánh giá

166

Trả lời

4.8

Xếp hạng

8

Các khóa học

Xin chào. Tôi đang làm việc trong lĩnh vực phân tích dữ liệu và phát triển dịch vụ trí tuệ nhân tạo sử dụng Python. Tôi vẫn luôn không ngừng viết sách và giảng dạy về trí tuệ nhân tạo để chia sẻ những nội dung mình đã nghiên cứu và tìm hiểu về các chủ đề quan tâm đến với mọi người.

[Lịch sử làm việc]

Hiện là CEO của một startup Fintech

Cựu) CDO tại Dacon

Cựu Giáo sư kiêm nhiệm Khoa Phần mềm máy tính, Đại học Induk

Kaggle Competition Expert, Kỹ sư phân tích dữ liệu lớn (Big Data Analysis Certification)

[Giảng dạy]

Giảng viên đăng ký NCS (Trí tuệ nhân tạo)

Được chọn là 'Đối tác xuất sắc' trong chương trình đào tạo SW tại Cơ sở SeSAC của Cơ quan Chấn hưng Kinh tế Seoul (SBA) (Phát triển mô hình AI sử dụng Python)

Giảng dạy tại Viện Bảo mật Tài chính, Hiệp hội Thúc đẩy Công nghiệp Điện tử và Thông tin Hàn Quốc, Hiệp hội Công nghiệp Hiển thị Hàn Quốc, Viện Thúc đẩy Công nghiệp Kỹ thuật số Daegu, v.v.

Kinh nghiệm giảng dạy tại các doanh nghiệp trong nước và các trường đại học lớn tại Hàn Quốc như Đại học Quốc gia Seoul, Đại học Quốc gia Pusan, Đại học Kyung Hee, Đại học Ngoại ngữ Hàn Quốc, v.v.

Giảng dạy tại Hiệp hội Thúc đẩy Công nghiệp, Hiệp hội Công nghiệp Hiển thị Hàn Quốc, Viện Thúc đẩy Công nghiệp Kỹ thuật số Daegu, v.v. Có kinh nghiệm đào tạo tại các doanh nghiệp trong nước và các trường đại học lớn tại Hàn Quốc như Đại học Quốc gia Seoul, Đại học Pusan, Đại học Kyung Hee, Đại học Ngoại ngữ Hàn Quốc, v.v.

[Tác giả]

[YouTube] Pandas Studio: https://youtube.com/@pandas-data-studio?si=XoLVQzJ9mmdFJQHU

Thêm

Chương trình giảng dạy

Tất cả

58 bài giảng ∙ (7giờ 4phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

57 đánh giá

4.9

57 đánh giá

  • jyuri0018155님의 프로필 이미지
    jyuri0018155

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    31% đã tham gia

    • hshin25375075님의 프로필 이미지
      hshin25375075

      Đánh giá 7

      Đánh giá trung bình 4.4

      5

      31% đã tham gia

      • sketchesfancy9795님의 프로필 이미지
        sketchesfancy9795

        Đánh giá 3

        Đánh giá trung bình 5.0

        5

        31% đã tham gia

        Tôi muốn sớm thử triển khai vào db của mình.

        • pdstudio
          Giảng viên

          Cảm ơn bạn.

      • kmkang2281님의 프로필 이미지
        kmkang2281

        Đánh giá 7

        Đánh giá trung bình 4.9

        5

        31% đã tham gia

        Xin chân thành cảm ơn.

        • pdstudio
          Giảng viên

          Cảm ơn bạn.

      • adastra01190030님의 프로필 이미지
        adastra01190030

        Đánh giá 1

        Đánh giá trung bình 5.0

        5

        100% đã tham gia

        Sau khi sử dụng vectorRAG, tôi cũng muốn tìm hiểu về graphRAG, và thật may mắn là có khóa học nên tôi đã tham gia. Từ giải thích khái niệm cơ bản đến xử lý dữ liệu bằng dữ liệu thực tế và nhiều phương thức tìm kiếm truy vấn... đến RAG theo phương thức Hybrid, tôi đã có thể theo dõi và học thông qua các tệp thực hành Kind, rất bổ ích! Thật ra tôi có điều muốn triển khai, và sau khi tham gia khóa học này, tôi nghĩ mình có thể bắt đầu ngay bằng cách sử dụng kiến thức đã học. Giọng của giảng viên trầm ấm nhưng trôi chảy, nên dù nghe ở tốc độ 1.7 lần vẫn không cảm thấy khó chịu mà rất dễ nghe, giúp tôi hoàn thành khóa học nhanh chóng! Em đã học rất vui và bổ ích ạ, thưa giảng viên. Em rất mong chờ khóa học tiếp theo!

        • pdstudio
          Giảng viên

          Cảm ơn bạn.

      Khóa học khác của pdstudio

      Hãy khám phá các khóa học khác của giảng viên!

      Khóa học tương tự

      Khám phá các khóa học khác trong cùng lĩnh vực!

      2.950.899 ₫