Agentische RAG mit LlamaIndex aufbauen

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.

• 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