BEST

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

Name: graphRAG - Hệ thống RAG dựa trên đồ thị tri thức được triển khai với Neo4J (feat. LangChain)
Price: 143000 KRW

Hệ thống RAG dựa trên đồ thị tri thức được triển khai bằng Neo4J: Công nghệ tìm kiếm thế hệ mới vượt qua tìm kiếm vector đơn thuần để tận dụng cả mối quan hệ dữ liệu Tối đa hóa hiệu suất RAG bằng sức mạnh của cơ sở dữ liệu đồ thị!

(4.9) 29 đánh giá

276 học viên

pdstudio

실습 중심

ai활용

RAG

LangChain

neo4j

LLM

DBMS/RDBMS

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

Phương pháp xây dựng đồ thị tri thức sử dụng cơ sở dữ liệu đồ thị Neo4J
Cách áp dụng Biểu đồ Tri thức (Knowledge Graph) vào RAG
Triển khai hệ thống tìm kiếm dựa trên đồ thị bằng cách tích hợp LangChain và Neo4J
Sử dụng và tích hợp các kỹ thuật tìm kiếm đa dạng (tìm kiếm cơ bản, tìm kiếm chuyên môn, 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 cho hệ thống RAG mạnh mẽ 🪄

Hệ thống RAG thông thường dựa vào tìm kiếm vector đơn giản nên khó có thể biểu diễn đúng mối quan hệ giữa các thông tin. graphRAG sử dụng cơ sở dữ liệu đồ thị có thể cấu trúc hóa các mối quan hệ phức tạp giữa dữ liệu để tạo ra những phản hồi chính xác và phù hợp với ngữ cảnh hơn. Thông qua biểu diễn kiến thức có cấu trúc và tìm kiếm dựa trên mối quan hệ, chúng ta có thể đạt được kết quả tìm kiếm chính xác hơn.

Nâng cao hiệu suất RAG bằng Knowledge Graph 🔧

✅ Biểu diễn kiến 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 một cách có hệ thống các kiến thức phức tạp.

✅ Tìm kiếm dựa trên mối quan hệ : Vượt qua việc khớp từ khóa đơn giản hay độ tương tự vector, cung cấp kết quả chính xác hơn thông qua tìm kiếm dựa trên mối quan hệ ngữ nghĩa.

✅ Tích hợp nhiều phương thức tìm kiếm đa dạng : 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 kiến thức có thể mở rộng : Có thể dễ dàng thêm và kết nối dữ liệu cũng như mối quan hệ mới, từ đó xây dựng được cơ sở kiến thức có thể mở rộng liên tục.

Môi trường thực hành

Hệ điều hành và phiên bản (OS): Khóa học được tiến hành dựa trên MacOS (người dùng Linux, Windows cũng 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
Thông số PC: Không có
Python 3.12 /
langchain 0.3.23 / langchain-neo4j 0.3.0 / numpy 1.26.4

Kiến thức tiên quyết và lưu ý

Khả năng lập trình Python cơ bản
Hiểu các khái niệm cơ bản của LangChain
- [Khóa học miễn phí] Cơ bản về LangChain cho người mới bắt đầu (bắt buộc) : https://inf.run/Xabb2
- [Khóa học trả phí] RAG Master: Từ cơ bản đến kỹ thuật nâng cao (khuyến nghị) :https://inf.run/CxVA3
Không cần kinh nghiệm về cơ sở dữ liệu đồ thị (khóa học sẽ đề cập từ cơ bản)
Nếu bạn có câu hỏi hoặc ý kiến gì, hãy thoải mái đặt câu hỏi nhé.

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 người muốn xây dựng hệ thống tìm kiếm tri thức có cấu trúc vượt ra ngoài tìm kiếm vector đơn giản
Những người muốn áp dụng Knowledge Graph vào ứng dụng AI

Cần biết trước khi bắt đầu?

Python
LangChain
RAG

Xin chào
Đây là

14,122

Học viên

534

Đánh giá

139

Trả lời

4.8

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

58 bài giảng ∙ (7giờ 4phút)

Tài liệu khóa học:

Tài liệu bài giảng

Phần 1. Cài đặt môi trường Neo4J

3 bài giảng ∙ (17phút)

1. Cài đặt Neo4J AuraDB
03:40
2. Cài đặt dự án (Cài đặt uv, Khởi tạo dự án, Tạo môi trường ảo, Kết nối AuraDB)
09:17
3. Kết nối cơ sở dữ liệu đồ thị Neo4J AuraDB (sử dụng LangChain Neo4jGraph)
04:18

Phần 2. Cypher cú pháp cơ bản

4 bài giảng ∙ (31phút)

4. Biểu diễn Node
07:09
5. Biểu hiện quan hệ
09:39
6. Sử dụng Biến (Variable) / Bí danh (Alias)
02:29
7. Các mệnh đề chính (MATCH, WHERE, SET, DELETE, REMOVE v.v.)
12:31

Phần 3. Cypher cú pháp nâng cao (Ví dụ: Phân tích mạng xã hội)

7 bài giảng ∙ (33phút)

8. Tìm kiếm đường đi độ dài thay đổi (Bài giảng)
02:46
9. Tìm đường đi độ dài biến đổi (Thực hành)
07:58
10. Tìm đường đi ngắn nhất (Bài giảng)
01:44
11. 찾 kiếm đường đi ngắn nhất (Thực hành)
02:53
12. hàm tổng hợp
05:48
13. Mệnh đề WITH (Truy vấn con)
07:44
14. Kết hợp mẫu quan hệ phức tạp
04:58

Phần 4. Triển khai graph RAG trên Neo4j (Vd: Phân tích & đề xuất phim)

7 bài giảng ∙ (2giờ 17phút)

Phần 5. [Dự án 1] Phân tích bài báo tin tức

13 bài giảng ∙ (1giờ 12phút)

Phần 6. [프로젝트 2] Đề xuất sản phẩm tài chính ETF

9 bài giảng ∙ (42phút)

Phần 7. [Dự án 3] - Phân tích doanh nghiệp - Hệ thống RAG dựa trên báo cáo 10K

6 bài giảng ∙ (37phút)

Phần 8. [Dự án 4] Triển khai RAG tài liệu pháp luật (Luật/ Nghị định/ Thông tư)

9 bài giảng ∙ (51phút)

Ngày đăng:

Cập nhật lần cuối:

Đánh giá

Tất cả

29 đánh giá

4.9

29 đánh giá

서강식
Đánh giá 3
∙
Đánh giá trung bình 5.0
5
31% đã tham gia
빨리 저의 db로 구현해보고 싶습니다
jyuri001
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
31% đã tham gia
kmkang
Đánh giá 6
∙
Đánh giá trung bình 4.8
5
31% đã tham gia
진심으로 감사합니다.
Hyuk Shin
Đánh giá 4
∙
Đánh giá trung bình 4.0
5
31% đã tham gia
JIYEON SUNG
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
100% đã tham gia
vectorRAG를 사용해본 후에 graphRAG에 대해서도 배워보고 싶었는데 마침 강의가 나와서 듣게 되었습니다. 기초개념 설명부터 실제 데이터를 이용한 데이터 가공과 여러 방식의 쿼리 서치... Hybrid 방식의 RAG까지 친절한 실습 파일을 통해 따라가면서 익힐 수 있어서 유익했습니다! 실제 제가 구현하고 싶었던 것이 있었는데 해당 강의를 수강하고 나서 곧장 배운 지식을 이용해 시작해볼 수 있을 거 같네요. 강사님 톤이 차분하면서도 막힘 없이 흘러 가서 1.7배속으로 들었는데도 거슬리는 것 없이 귀에 잘 들어와서 강의를 금방 완강 할 수 있었습니다! 강의 재밌게 잘 들었습니다 강사님. 다음 강의도 기대하고 있겠습니다!

2.984.549 ₫

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

AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)

판다스 스튜디오

랭그래프(LangGraph)로 구현하는 검색증강생성(RAG) 지능형 AI 에이전트! 이론부터 실전까지, 초보자도 쉽게 따라할 수 있는 핸즈온 튜토리얼입니다.

초급

AI Agent, LangGraph, RAG

AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)

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

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

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

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

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)

판다스 스튜디오

랭그래프(LangGraph)로 구현하는 검색증강생성(RAG) 지능형 AI 에이전트! 이론부터 실전까지, 초보자도 쉽게 따라할 수 있는 핸즈온 튜토리얼입니다.

초급

AI Agent, LangGraph, RAG

AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)

판다스 스튜디오

모두를 위한 대규모 언어 모델 LLM Part 4 - AI 고객센터 챗봇(AICC)을 만들며 배우는 RAG 구현

AISchool

AI 고객센터 챗봇(AICC)을 만들면서 실용적인 RAG(Retrieval-Augmented Generation) 시스템을 만드는 방법을 학습하는 강의입니다.

중급이상

LangChain, RAG, openAI API

모두를 위한 대규모 언어 모델 LLM Part 4 - AI 고객센터 챗봇(AICC)을 만들며 배우는 RAG 구현

AISchool

[LLM 101] LLM 초보를 위한 Llama SFT 강의 (feat. ChatApp Poc)

꿈꾸는범블비

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

초급

NLP, ChatGPT, LLM

[LLM 101] LLM 초보를 위한 Llama SFT 강의 (feat. ChatApp Poc)

꿈꾸는범블비

김영한의 실전 데이터베이스 - 기본편

김영한

실무에 꼭 필요한 SQL과 데이터베이스의 기본기를 학습합니다. 개발자뿐만 아니라 기획자나 데이터 분석가분들도 SQL을 깊이있게 학습합니다.

초급

SQL, MySQL, DBMS/RDBMS

김영한의 실전 데이터베이스 - 기본편

김영한

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

중고급 SQL과 실전 데이터 분석 101 문제 풀이

잔재미코딩 DaveLee

중고급 SQL을 익히고, 현업 수준의 실전 데이터 분석 문제 101 가지를 함께 풀며, 탄탄한 SQL 데이터 분석 역량을 다집니다.

초급

SQL, MySQL, DBMS/RDBMS

중고급 SQL과 실전 데이터 분석 101 문제 풀이

잔재미코딩 DaveLee

장래쌤과 함께하는 쉽고 재미있는 SQL 이야기

장래쌤

전문 강사에게서 배우는 쉽고 재미있는 SQL 이야기! 초보자를 위해 체계적으로 차근차근 강의를 진행합니다. 3단계 학습 과정을 통해 충분히 반복하며 학습할 수 있는 기회를 제공합니다.

입문

SQL, DBMS/RDBMS, MySQL

장래쌤과 함께하는 쉽고 재미있는 SQL 이야기

장래쌤

IT 필수 지식 - 데이터베이스(Database) 와 SQL

유용한IT학습

이 강의는 데이터베이스 시스템의 기본 개념부터 관계형 데이터베이스 관리 시스템(RDBMS)과 SQL 활용까지 단계적으로 학습할 수 있도록 구성된 과정입니다. 학습자는 데이터베이스의 원리를 이해하고, 데이터 모델링과 설계 방법을 통해 체계적인 데이터 구조를 만들 수 있습니다. 또한 SQL을 활용한 데이터 조작 및 관리 기법을 실습하면서 실제 데이터 처리 과정을 경험하게 됩니다. 본 과정을 통해 수강생은 단순한 이론 학습을 넘어, 효율적인 데이터 관리와 응용 능력을 갖추어 실무와 자격시험 준비에 모두 활용할 수 있는 기초를 다질 수 있습니다.

입문

DBMS/RDBMS, SQL

IT 필수 지식 - 데이터베이스(Database) 와 SQL

유용한IT학습

기초탄탄, SQL 톺아보기 (입문과정)

SKm&service

일 잘하는 사람들의 비법! SQL, 어떻게 시작해야 할까? SQL 설치와 기본적인 환경 구성부터 실전에서 활용할 수 있는 간단한 실습까지 담았습니다! 기본적인 명령어들에 대해서도 실습을 통해 차근차근 배워볼 수 있습니다.

입문

SQL, DBMS/RDBMS, 데이터 엔지니어링

기초탄탄, SQL 톺아보기 (입문과정)

SKm&service

FEEL THE AGI: LLM과 AI Agent

Feel The AGI

ChatGPT와 같은 AI의 근본이 되는 기술 LLM 과 Agent. LLM은 현 시점에 AGI에 가장 가까이 다가간 기술입니다. 이 강의에서는 일반인의 시선으로 LLM 과 Agent 기술에 대해 알아봅니다.

입문

인공지능(AI), LLM, AI Agent

FEEL THE AGI: LLM과 AI Agent

Feel The AGI

[입문/초급] 다양한 예제를 통한 추천 시스템 구현

당근먹는토끼

🧩 복잡한 수식이나 이론 중심의 설명보다는, 직접 프로그램을 구현하며 추천 시스템의 핵심 개념을 익히는 것을 목표로 합니다. 🛠️ 총 12개의 다양하고 실용적인 예제를 통해, 콘텐츠 기반 추천, 협업 필터링, 딥러닝 추천 등 실제 환경에서 활용할 수 있는 추천 시스템을 단계적으로 설계하였습니다.

초급

머신러닝, 딥러닝, PyTorch

[입문/초급] 다양한 예제를 통한 추천 시스템 구현

당근먹는토끼

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

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

[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

국가기술 경영정보시각화능력(필기) 자격증 대비

디펙업

‘경영정보시각화능력 자격증’ 과정은 무엇을 배우는 걸까요? 이 자격증 과정은 데이터를 잘 분석하고, 보기 쉽게 시각화해서, 회사나 조직에서 중요한 결정을 내릴 때 필요한 정보를 명확하고 효과적으로 전달하는 능력을 키우는 데 초점을 맞추고 있습니다. 쉽게 말해, 단순히 데이터를 보는 것이 아니라, 그 안에 숨겨진 의미를 찾아내고, 이를 다른 사람들에게 잘 설명할 수 있도록 그림, 표, 그래프 등으로 표현하는 기술을 배우는 과정입니다. 이 과정을 통해 여러분은: 데이터를 통해 전략적으로 생각하는 힘을 기르고, 실제 업무에 바로 쓸 수 있는 실무 역량을 키우며, 신의 전문성과 경쟁력을 높일 수 있습니다. 이 강의를 통해, 경영과 데이터를 연결하는 능력을 기르고, 데이터를 이해하고 설명하는 전문가로 한 걸음 더 성장해 보세요.

입문

빅데이터, DBMS/RDBMS, Tableau

국가기술 경영정보시각화능력(필기) 자격증 대비

디펙업

김영한의 실전 데이터베이스 입문 - 모든 IT인을 위한 SQL 첫걸음(SQL부터 차근차근)

김영한

개발자뿐만 아니라 기획자, 데이터 분석가도 SQL 기초부터 차근차근 데이터베이스를 학습합니다.

입문

SQL, MySQL, DBMS/RDBMS

김영한의 실전 데이터베이스 입문 - 모든 IT인을 위한 SQL 첫걸음(SQL부터 차근차근)

김영한

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

코딩 없이 AI 앱 만들기: Dify 노코드 완전 정복

멀티코어

코딩 없이 나만의 AI 서비스를 만들고 싶다면, 이 강의가 완벽한 해결책입니다. Dify 노코드 플랫폼을 활용해 아이디어만으로도 완성도 높은 AI 앱을 만들 수 있습니다. 복잡한 이론 대신 실전 프로젝트 중심으로 구성되어, AI 입문자와 직장인 누구나 실무 역량을 키울 수 있습니다.

입문

프롬프트엔지니어링, LLM, RAG

코딩 없이 AI 앱 만들기: Dify 노코드 완전 정복

멀티코어

다양한 사례로 익히는 SQL 데이터 분석

권 철민

다양한 실전 데이터 분석 사례를 SQL을 통해 구현해 나가면서 데이터 분석 능력과 SQL 활용 능력을 동시에 향상 시킬 수 있습니다.

중급이상

SQL, PostgreSQL, DBMS/RDBMS

다양한 사례로 익히는 SQL 데이터 분석

권 철민

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

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

Sử dụng cơ sở dữ liệu đồ thị cho hệ thống RAG mạnh mẽ 🪄

Nâng cao hiệu suất RAG bằng Knowledge Graph 🔧

Đặc điểm của khóa học này

Chúng ta sẽ học những nội dung như thế này

Neo4J cơ bản về cơ sở dữ liệu đồ thị

Xây dựng Biểu đồ Tri thức (Knowledge Graph)

Triển khai kỹ thuật tìm kiếm dựa trên đồ thị

Những lưu ý trước khi học

Môi trường thực hành

Tài liệu học tập

Kiến thức tiên quyết và lưu ý

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

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

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

Sử dụng cơ sở dữ liệu đồ thị cho hệ thống RAG mạnh mẽ 🪄

Nâng cao hiệu suất RAG bằng Knowledge Graph 🔧

Đặc điểm của khóa học này

Chúng ta sẽ học những nội dung như thế này

Neo4J cơ bản về cơ sở dữ liệu đồ thị

Xây dựng Biểu đồ Tri thức (Knowledge Graph)

Triển khai kỹ thuật tìm kiếm dựa trên đồ thị

Những lưu ý trước khi học

Môi trường thực hành

Tài liệu học tập

Kiến thức tiên quyết và lưu ý

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

Khuyến nghị cho
những người này

Xin chào
Đây là