RAG und generative KI. Erstellen Sie eigene RAG-Pipelines mit LlamaIndex, Deep Lake und Pinecone

In diesem Buch werden Techniken zum Erstellen effektiver großer Sprachmodelle, Systeme der Computer Vision und generativer KI beschrieben, die bei relativ geringen Kosten eine hohe Leistung zeigen. Es enthält eine detaillierte Untersuchung der RAG-Technologie sowie Ansätze zum Entwurf und Management multimodaler KI-Pipelines. Durch die Verknüpfung von Ausgaben mit den ursprünglichen Dokumenten erhöht RAG die Genauigkeit und Kontextrelevanz der Ergebnisse und bietet einen dynamischen Ansatz zum Management großer Informationsmengen.
Erfahren Sie, wie Sie die RAG-Infrastruktur aufbauen, während Sie sich mit Vektorspeichern, Fragmentierung, Indizierung und Ranking auseinandersetzen. Machen Sie sich mit Methoden zur Leistungsoptimierung und Techniken zur tieferen Datenanalyse vertraut, einschließlich der Verwendung von adaptivem RAG und menschlichem Feedback zur Verfeinerung der Suche, Feinabstimmung von RAG, Implementierung dynamischer RAG zur Unterstützung von Entscheidungen in Echtzeit und Visualisierung komplexer Daten mit Wissensgraphen. Sie werden auch sehen, wie Sie in der Praxis Frameworks wie LlamaIndex und Deep Lake, Vektor-Datenbanken wie Pinecone und Chroma sowie Modelle, die von Unternehmen wie Hugging Face und OpenAI angeboten werden, integrieren können. Erwerben Sie Fähigkeiten zur Implementierung intelligenter Lösungen, die Ihre Wettbewerbsfähigkeit in verschiedenen Bereichen steigern: von der Produktion bis zum Kundenservice in jedem Projekt.