Resumen
Los graphs de conocimiento son fundamentales para estructurar relaciones de datos complejas, permitiendo funcionalidades de búsqueda inteligente y desarrollando aplicaciones robustas de IA capaces de razonar sobre varios tipos de datos. Pueden integrar datos de fuentes tanto estructuradas como no estructuradas, incluyendo bases de datos y documentos, proporcionando una forma flexible e intuitiva de modelar escenarios intrincados del mundo real. A diferencia de las tablas o listas simples, los graphs de conocimiento capturan el significado y el contexto detrás de los datos, revelando ideas y conexiones que son difíciles de descubrir con bases de datos convencionales.
Este contexto rico y estructurado es perfecto para mejorar el output de grandes modelos de lenguaje (LLM), permitiendo una construcción contextual más relevante que la búsqueda semántica solo. Este curso, ofrecido por Coursera, le guiará a través del aprovechamiento de graphs de conocimiento dentro de aplicaciones de generación aumentada por recuperación (RAG).
Aprenderá a:
- Entender los conceptos básicos de cómo los graphs de conocimiento almacenan datos, utilizando nodos para representar entidades y aristas para representar relaciones entre nodos.
- Utilizar el lenguaje de consultas de Neo4j, Cypher, para recuperar información de un graph divertido de datos de películas y actores.
- Agregar un índice vectorial a un graph de conocimiento para representar datos de texto no estructurados, permitiendo la búsqueda de similitud vectorial para encontrar textos relevantes.
- Construir un graph de conocimiento de documentos de texto desde cero, utilizando documentos financieros y de inversión disponibles públicamente como un caso de uso de demostración.
- Explorar técnicas avanzadas para conectar múltiples graphs de conocimiento y emplear consultas complejas para la recuperación integral de datos.
- Escribir consultas avanzadas de Cypher para obtener información relevante del graph y formatearla para su inclusión en sus indicaciones de LLM.
Al completar el curso, estará bien equipado para usar graphs de conocimiento para extraer ideas más profundas de sus datos y mejorar el rendimiento de los LLM con un contexto estructurado y relevante.
Universidad: Proveedor: Coursera
Categorías: Cursos de Integración de Datos, Cursos de Graphs de Conocimiento, Cursos de Neo4j, Cursos del Lenguaje de Consultas Cypher
Programa de estudio
Enseñado por
Etiquetas
