课程简介
这是一门专注于 Retrieval-Augmented Generation（RAG） 技术的实战课程，由资深AI专家倾力打造，旨在帮助学员从零到一掌握RAG技术栈，并通过实战项目开发高精准的AI应用。课程内容涵盖从基础概念到深入原理剖析，囊括核心组件、检索增强技术、智能评估以及双模型微调等前沿技术。
课程目标
- 技术掌握：帮助学员全面掌握RAG技术，包括检索、生成和优化。
- 实战能力：通过完整的实战项目，培养学员开发高精准AI应用的能力。
- 职业发展：助力学员在AI领域提升竞争力，为就业或创业打下坚实基础。
课程内容
课程共分为14章，内容涵盖从基础理论到实战应用的完整流程：
1. 课程学习必知
获课：keyouit.xyz/14241/
获取ZY↑↑方打开链接↑↑
- 介绍课程学习方法，帮助学员少走弯路。
2. RAG引领大语言模型新纪元
- 分析RAG技术的核心地位，讲解其三大组件（大语言模型、知识库、检索）及其工作流程。
3. 挑选符合企业的大语言模型
- 介绍大语言模型的核心要点、国内外产品对比，以及调用方式。
4. 挑选合适的向量Embedding模型
- 讲解embedding模型的重要性、主流中文embedding模型及选择方法。
5. 企业级向量数据库选型和高效使用
- 对比主流向量数据库（如Chroma和Milvus），讲解索引优化技术及实战部署。
6. 高效处理企业复杂业务数据
- 介绍企业数据的复杂多样性，讲解文档解析和分块方法。
7. 搭建制度问答baseline RAG
- 构建制度问答模块的RAG baseline，涵盖知识库构建、查询、检索和生成。
8. 有效评估RAG是提升的关键
- 介绍RAG评估标准和框架（如Ragas），并进行实战评估。
9. 基于知识图谱的GraphRAG
- 引入知识图谱技术，构建基于图数据库的GraphRAG。
10. 从RAG到agenticRAG
- 引入Agent技术，实现自动切换不同信息源，提升RAG系统的智能化。
11. 企业员工助手-接口和界面开发
- 使用前端框架（如Gradio）开发RAG应用的前端界面。
12. RAG微调
- 讲解模型微调方法（如LoRA），提升RAG系统的性能。
13. 总结与展望
- 梳理课程知识点，提供未来学习方向和AI岗位面试建议。
课程特色
- 实战性强：通过完整的项目开发流程，帮助学员将理论知识应用于实际。
- 前沿技术覆盖：结合最新的AI技术，如知识图谱、Agent技术等。
- 企业级应用导向：强调高可用性、性能优化和企业级需求。
适合人群
- AI新手和资深开发者。
- 对自然语言处理和高精准AI应用开发感兴趣的技术人员。
- 希望在AI领域拓展技术栈的全栈开发者。
