Aperçu
Les graphes de connaissances sont essentiels pour structurer les relations de données complexes, permettre une fonctionnalité de recherche intelligente et développer des applications d'IA robustes capables de raisonner sur divers types de données. Ils peuvent intégrer des données provenant de sources structurées et non structurées, y compris des bases de données et des documents, offrant une manière flexible et intuitive de modéliser des scénarios réels complexes. Contrairement aux tables ou aux simples listes, les graphes de connaissances capturent la signification et le contexte derrière les données, révélant des perspectives et des connexions difficiles à découvrir avec des bases de données conventionnelles.
Ce contexte riche et structuré est parfait pour améliorer la sortie des grands modèles de langage (LLM), permettant une construction contextuelle plus pertinente que la simple recherche sémantique. Ce cours, proposé par Coursera, vous guidera à travers l'utilisation des graphes de connaissances dans les applications de génération augmentée par récupération (RAG).
Vous apprendrez à :
- Comprendre les bases de la façon dont les graphes de connaissances stockent les données, en utilisant des nœuds pour représenter les entités et des arêtes pour représenter les relations entre les nœuds.
- Utiliser le langage de requête de Neo4j, Cypher, pour récupérer des informations d'un graphe amusant de données de films et d'acteurs.
- Ajouter un index vectoriel à un graphe de connaissances pour représenter des données textuelles non structurées, permettant une recherche de similarité vectorielle pour trouver des textes pertinents.
- Construire un graphe de connaissances à partir de documents textuels, en utilisant des documents financiers et d'investissement disponibles publiquement comme cas d'utilisation de démonstration.
- Explorer des techniques avancées pour connecter plusieurs graphes de connaissances et utiliser des requêtes complexes pour une récupération de données complète.
- Écrire des requêtes Cypher avancées pour extraire des informations pertinentes du graphe et les formater pour inclusion dans vos invites LLM.
À la fin du cours, vous serez bien équipé pour utiliser les graphes de connaissances afin d'extraire des informations plus approfondies de vos données et améliorer la performance des LLM avec un contexte structuré et pertinent.
Université : Fournisseur : Coursera
Catégories : Cours d'Intégration de Données, Cours de Graphes de Connaissances, Cours de Neo4j, Cours de Langage de Requête Cypher
Programme
Enseigné par
Étiquettes
