Agentische RAG mit LlamaIndex aufbauen

Beschreibung

Agentische RAG mit LlamaIndex aufbauen ist ein Kurs, der von DeepLearning.AI angeboten wird und darauf abzielt, den Teilnehmern beizubringen, wie man autonome Agenten erstellt, die in der Lage sind, Daten intelligent zu navigieren und zu analysieren. Der Kurs wird von Jerry Liu, Mitbegründer und CEO von LlamaIndex, geleitet und konzentriert sich auf die Entwicklung agentischer RAG-Systeme. Die Teilnehmer lernen, einen Router-Agenten zu erstellen, der Q&A- und Zusammenfassungsaufgaben bewältigen kann, und erweitern ihn, um Argumentübergaben zu verwalten. Der Kurs behandelt auch das Design eines Forschungsagenten für die Verarbeitung mehrerer Dokumente und Debugging. Im Gegensatz zu standardmäßigen RAG-Pipelines passt sich dieser Ansatz basierend auf den anfänglichen Ergebnissen an, um die Datenabfrage zu verbessern. Die Teilnehmer üben den Aufbau von Agenten, die Informationen über mehrere Forschungsarbeiten von arXiv navigieren, zusammenfassen und vergleichen können. Der Kurs ist für alle geeignet, die über grundlegende Python-Kenntnisse verfügen und schnell Agenten erstellen möchten, die über Dokumente reasoning können. Der Kurs umfasst 6 Video-Lektionen, 4 Code-Beispiele und 1 benotete Aufgabe, die während der Beta-Phase der DeepLearning.AI-Plattform kostenlos zugänglich sind.

Agentische RAG mit LlamaIndex aufbauen's Kernfunktionen

• Autonome Agenten mit LlamaIndex erstellen

• Agentische RAG-Systeme entwickeln

• Dokumenten-Q&A und Zusammenfassungen ermöglichen

• Agenten-Reasoning und Debugging anleiten

• Einen Router-Agenten für Q&A-Aufgaben entwerfen

• Agenten für Argumentübergaben erweitern

• Forschungsagenten für die Verarbeitung mehrerer Dokumente erstellen

• Mit realen Daten von arXiv üben

Wie verwendet man Agentische RAG mit LlamaIndex aufbauen?

1. 1

   Lernen: Video-Lektionen ansehen

2. 2

   Üben: Code-Beispiele abschließen

3. 3

   Anwenden: Agenten mit LlamaIndex erstellen

4. 4

   Debuggen: Agentenaktionen effektiv anleiten

Agentische RAG mit LlamaIndex aufbauen's Anwendungsfälle

• Dokumenten-Q&A
• Datenzusammenfassung
• Analyse mehrerer Dokumente
• Agenten-Debugging
• Forschungsunterstützung

FAQ von Agentische RAG mit LlamaIndex aufbauen

• Was ist Agentische RAG mit LlamaIndex?

  Es ist ein Kurs von DeepLearning.AI, der lehrt, wie man autonome Agenten mit LlamaIndex für Datennavigation und -analyse erstellt.

• Wer ist der Dozent für diesen Kurs?

  Der Kurs wird von Jerry Liu, Mitbegründer und CEO von LlamaIndex, unterrichtet.

• Welche Fähigkeiten werde ich aus diesem Kurs gewinnen?

  Sie lernen, agentische RAG-Systeme zu erstellen, das Reasoning von Agenten zu leiten und Agenten effektiv zu debuggen.

• Wie lange dauert der Kurs?

  Der Kurs umfasst 54 Minuten Video-Lektionen.

• Gibt es eine benotete Aufgabe im Kurs?

  Ja, der Kurs umfasst eine benotete Aufgabe.

• Wer ist die Zielgruppe für diesen Kurs?

  Der Kurs ist für alle geeignet, die über grundlegende Python-Kenntnisse verfügen und daran interessiert sind, intelligente Agenten zu erstellen.

• Ist der Kurs kostenlos?

  Ja, der Kurs ist für eine begrenzte Zeit während der Beta-Phase der DeepLearning.AI-Plattform kostenlos.

• Was ist LlamaIndex?

  LlamaIndex ist ein Framework, das im Kurs verwendet wird, um Forschungsagenten zu erstellen, die im Umgang mit Werkzeugen, Reasoning und Entscheidungsfindung geschult sind.