課程簡介
■知識圖譜的基礎(chǔ)理論、構(gòu)建方法與應(yīng)用。
■大模型與知識圖譜的融合應(yīng)用，提升問答系統(tǒng)和智能知識庫效果。
目標收益
培訓對象
課程大綱
|
第一單元 大模型+知識圖譜技術(shù)剖析（完成時長：如：1小時） |
1.1LLMs發(fā)展現(xiàn)狀研討 1.2大模型與圖譜結(jié)合場景剖析 1.3 LLMs系統(tǒng)資源評估與經(jīng)驗分享 1.4 大模型應(yīng)用落地技術(shù)瓶頸 |
|
第二單元 RAG原理與優(yōu)化（完成時長：1小時） |
2.1 RAG原理介紹 2.2 向量表征 2.3 混合搜索 2.4 RAG優(yōu)化 |
|
第三單元 GraphRAG技術(shù)剖析（完成時長：1小時） |
3.1 GraphRAG設(shè)計框架 3.2 微軟GraphRAG工具介紹 3.3 GraphRAG自身瓶頸分析 3.4 KEG工具介紹與對比 3.5圖譜+LLM適應(yīng)常見分析 |
|
第四單元 大模型Graph-RAG實戰(zhàn)（完成時長：如：1.5小時） |
4.1Rag微調(diào)代碼講解 4.2向量表征模型Bge源碼剖析 4.3內(nèi)容切割關(guān)鍵技術(shù)研究【切片/語義切割】 4.4實驗驗證模型訓練效果 4.5 開源框架落地應(yīng)用效果驗證 |
|
第五單元 AI應(yīng)用B端場景整體分析（完成時長：1小時） |
5.1 LLM+領(lǐng)域問答場景分析 5.2 LLM+CHATBI場景分析 5.3 LLM+內(nèi)容抽取場景分析 5.4 LLM+報告生成場景分析 |
| 答疑（完成時長：0.5） | 答疑 |
|
第一單元 大模型+知識圖譜技術(shù)剖析（完成時長：如：1小時） 1.1LLMs發(fā)展現(xiàn)狀研討 1.2大模型與圖譜結(jié)合場景剖析 1.3 LLMs系統(tǒng)資源評估與經(jīng)驗分享 1.4 大模型應(yīng)用落地技術(shù)瓶頸 |
|
第二單元 RAG原理與優(yōu)化（完成時長：1小時） 2.1 RAG原理介紹 2.2 向量表征 2.3 混合搜索 2.4 RAG優(yōu)化 |
|
第三單元 GraphRAG技術(shù)剖析（完成時長：1小時） 3.1 GraphRAG設(shè)計框架 3.2 微軟GraphRAG工具介紹 3.3 GraphRAG自身瓶頸分析 3.4 KEG工具介紹與對比 3.5圖譜+LLM適應(yīng)常見分析 |
|
第四單元 大模型Graph-RAG實戰(zhàn)（完成時長：如：1.5小時） 4.1Rag微調(diào)代碼講解 4.2向量表征模型Bge源碼剖析 4.3內(nèi)容切割關(guān)鍵技術(shù)研究【切片/語義切割】 4.4實驗驗證模型訓練效果 4.5 開源框架落地應(yīng)用效果驗證 |
|
第五單元 AI應(yīng)用B端場景整體分析（完成時長：1小時） 5.1 LLM+領(lǐng)域問答場景分析 5.2 LLM+CHATBI場景分析 5.3 LLM+內(nèi)容抽取場景分析 5.4 LLM+報告生成場景分析 |
|
答疑（完成時長：0.5） 答疑 |
近期公開課推薦
