In diesem 2-stündigen projektbasierten Kurs lernen Sie, wie Sie Daten in Pandas importieren, Einbettungen mit SentenceTransformern erstellen und ein Retrieval Augments Generation (RAG) System mit Ihren Daten, Qdrant und einem LLM wie Llamafile oder OpenAI aufbauen. In diesem praxisnahen Kurs lernen Sie, wie Sie mit Ihren eigenen Daten und Open Source-Tools ein durchgängiges RAG-System für eine leistungsstarke generative KI-Anwendung aufbauen.
Einführung in Retrieval Augmented Generation (RAG)
Holen Sie sich eines unserer besten Angebote und erweitern Sie Ihre Fähigkeiten mit 50% Rabatt auf Coursera Plus. Jetzt sparen.
Einführung in Retrieval Augmented Generation (RAG)
Dozent: Alfredo Deza
7.629 bereits angemeldet
Bei enthalten
Fragen Sie Coursera
Erwerben Sie praxisrelevante Kompetenzen unter Anleitung von Experten, üben Sie sich in ihrer Anwendung und wenden Sie sie schließlich an.
4.4
(51 Bewertungen)
Stufe Mittel
Empfohlene Erfahrung
2 Stunden
In Ihrem eigenen Lerntempo lernen
Praktisches Lernen
Was Sie lernen werden
Erstellen eines Retrieval Augmented Generation Systems
Verwenden Sie Ihre eigenen Daten mit einem Large Language Model
Kompetenzen, die Sie festigen
- Kategorie: Modellierung großer Sprachen
- Kategorie: Datenverwaltung
- Kategorie: Datenverarbeitung
- Kategorie: Abruf-erweiterte Erzeugung
- Kategorie: Einbettungen
- Kategorie: Daten importieren/exportieren
- Kategorie: Maschinelles Lernen
Tools, die Sie verwenden werden
- Kategorie: Python-Programmierung
- Kategorie: Vektordatenbanken
- Kategorie: OpenAI-API
- Kategorie: Pandas (Python-Paket)
- Kategorie: Anwendungsprogrammierschnittstelle (API)
- Kategorie: Generative KI
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Unterrichtet in Englisch
Keine Downloads oder Installation erforderlich
Nur als Desktop-Version verfügbar
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Lernen, Üben und Anwenden von berufsrelevanten Fähigkeiten in weniger als 2 Stunden
- Nehmen Sie an Schulungen von Branchenexperten teil
- Sammeln Sie mit Aufgaben aus der realen Welt praktische Erfahrung
- Schaffen Sie Vertrauen durch neueste Tools und Technologien
Über dieses begleitete Projekt
Schritt für Schritt lernen
In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:
Einbettungen erstellen
Empfohlene Erfahrung
Einige Erfahrung mit Python, einschließlich der Installation von Abhängigkeiten. Vertrautheit mit dem Terminal wird empfohlen
4 Projektbilder
Dozent
Was Sie beim Lernen erwartet
Auf Kompetenzen basierendes, praktisches Lernen
Üben Sie die Anwendung neuer Kompetenzen anhand von berufsbezogenen Aufgabenstellungen.
Anleitung durch Experten
Lernen Sie mit vorab von Experten aufgezeichneten Videos in einer einzigartigen aufgeteilten Oberfläche.
Keine Downloads oder Installation erforderlich
Greifen Sie in einem vordefinierten Cloud-Arbeitsbereich auf die Tools und Ressourcen zu.
Nur für Desktop verfügbar
Dieses begleitete Projekt ist für die Bearbeitung an einem Laptop oder Desktop-Computer mit stabiler Internetverbindung konzipiert und nicht für Mobilgeräte.
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Bewertungen von Lernenden
- 5 stars
66,66 %
- 4 stars
19,60 %
- 3 stars
5,88 %
- 2 stars
5,88 %
- 1 star
1,96 %
Zeigt 3 von 51 an
PP
Geprüft am 20. März 2025
It was a good entry point to the RAG's world, I hope to see more professional courses too.
RL
Geprüft am 25. Okt. 2024
The project is easy to follow for an experienced developer.
ST
Geprüft am 7. Okt. 2024
The guided project helped me understand RAG and its application in a concise and accurate manner. The project code was very helpful in understanding the workflow of implementing RAG with LLMS.
Ihnen könnte auch Folgendes gefallen:
Status: Kostenloser Testzeitraum
Status: Kostenloser TestzeitraumEdureka
Status: Kostenloser Testzeitraum
