三大顶会｜大模型搭建和优化工作！超全总结！（送书）

从23年开始，大模型爆火甚至出圈， 现在如果说“技术理解和使用门槛降低”代表“烂大街”那太片面了！

RAG技术将传统信息检索技术与大语言模型技术相结合解决了大模型（LLMs）中的多项任务难题， 其深度应用上仍面临诸多问题，是算法工程师和科研人员可以尝试的挑战！

为了让想学习大模型的同学顺利入门！理解RAG的基本概念和工作流程，掌握RAG模型的构建与应用，研梦非凡推出 《RAG技术深入分析与实践》实战训练营！ 将全面、深入的进行RAG技术解析，结合Langchain最新版(0.2.x)，构建一个含上网检索功能的生产级RAG系统。 通过理论学习与实践操作相结合，掌握RAG的核心概念及其在实际应用中的诸多技巧。

本课程适合以下同学：

1. 希望学习如何使用Langchain构建高效的RAG系统的 前后端开发工程师、算法工程师；
2. 对大模型应用感兴趣、对编程有一定基础、想进入大模型行业发展的 在读本硕博学生！0基础也可以！

扫描二维码找助教了解详情或报名👇下拉送书

课程收获

1. 理解RAG的基本概念和工作流程，掌握RAG模型的构建与应用；
2. 精通Langchain的核心功能，包括如何部署Langfuse、Milvus、LLM、Embedding；
3. 学会从多种数据源加载文档，并运用Text Splitters进行有效文本处理；
4. 掌握检索器的工作机制及其与向量存储的集成方法；
5. 能够评估RAG系统的有效性，并进行相应的优化与改进；
6. 实战构建一个功能完备的RAG项目，主要应用点有Milvus向量库、OpenAI接口兼容的LLM、部署嵌入和重排序模型、上网搜索能力、最后应用Langfuse进行跟踪。

《RAG技术深入分析与实践》实战训练营课程大纲

共9节课！每周一节课，约2个🈷️结课。具体开始时间可扫码咨询（还有送书福利）。

第一节：RAG简介

1. RAG核心概念
2. RAG流水线(调用SiliconCloud)
3. 快速开始

第二节：Langchain基础

1. Langfuse部署
2. Document
3. Runnable接口

• PromptTemplate
• ChatModel
• OutputParser
• Retriever
• OutputParser

第三节：Retrieval基础

1. Document loaders

• 加载CSV数据
• 加载HTML数据
• 加载Markdown数据
• 加载PDF文件
• 加载URL

• 递归拆分文本
• 拆分HTML
• 按字符拆分
• 拆分代码
• 按语义相似度拆分

• 自定义嵌入模型

第四节：检索器与LCEL

1. Vector stores

• 常见向量库的比较

第五节：RAG的评估

1. RAGAs
2. 评估指标

• 忠实度(Faithfulness)
• 答案相关性(Answer relevancy)
• 上下文精度(Context precision)
• 上下文召回率(Context  recal)
• 上下文相关性(Context relevancy)

第六节：高级RAG(1)

1. MultiQueryRetriever
2. Contextual Compression Retriever
3. SelfQueryRetriever
4. MultiVectorRetriever
5. EnsembleRetriever

第七节：高级RAG(2)

1. ParentDocumentRetriever
2. Hypothetical Queries
3. Hybrid Search
4. Rerank
5. Long-Context Reorder

第八节：RAG项目实战(1)

1. Milvus向量库对接
2. LangGPT提示语言
3. 增加记忆

第九节：RAG项目实战(2)

1. 查询重写
2. 增加上网功能
3. 简单前端实现
4. 总结

扫码报名课程➕领取福利👇

课程福利

1. 专属答疑社群 ，主讲老师直接进群答疑，与大佬0距离学习！

2. 170余篇大模型精选必读论文➕AAAI 2024，CVPR 2024，ICML 2024，NeurIPS 2023，ICLR2024（大模型） 近500篇论文资料， 配套学习效果更佳， 点击这里直接领取 ！

   

3. 报名即送 价值 99元 大模型必读书籍《文本数据挖掘》（第2版），清华大学出版社出版，ACL/CAAI/CCFFellow、中国科学院大学教授著。

扫码报名课程➕享惊喜折扣价

指导导师：Greyfoss导师