Wenn Sie sich für diesen Kurs anmelden, müssen Sie auch ein bestimmtes Programm auswählen.
Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage
In diesem Kurs gibt es 3 Module
Data Scientists, KI-Forscher, Robotik-Ingenieure und andere, die Retrieval-Augmented Generation (RAG) nutzen können, können mit Einstiegsgehältern zwischen 93.386 und 110.720 USD jährlich rechnen, wobei sehr erfahrene KI-Ingenieure sogar 172.468 USD jährlich verdienen (Quelle: ZipRecruiter). In diesem einsteigerfreundlichen Kurzkurs werden Sie zunächst die Grundlagen von RAG erkunden und lernen, wie RAG die Informationsbeschaffung und Benutzerinteraktionen verbessert, bevor Sie Ihre erste RAG-Pipeline erstellen.
Als Nächstes lernen Sie, wie Sie mit Python und Gradio benutzerfreundliche generative KI-Anwendungen erstellen können, und sammeln Erfahrungen mit dem Übergang von der Projektplanung zur Konstruktion eines QA-Bots, der Fragen anhand von Informationen aus Quelldokumenten beantworten kann.
Schließlich lernen Sie LlamaIndex kennen, ein beliebtes Framework zur Erstellung von RAG-Anwendungen. Außerdem werden Sie LlamaIndex mit LangChain vergleichen und eine RAG-Anwendung mit LlamaIndex entwickeln.
Während dieses Kurses werden Sie an interaktiven praktischen Übungen teilnehmen und mehrere LLMs nutzen, um die Fähigkeiten zu erlangen, die Sie benötigen, um KI-gesteuerte Lösungen zu entwerfen, zu implementieren und einzusetzen, die sinnvolle, kontextbezogene Benutzererfahrungen liefern. Melden Sie sich jetzt an, um wertvolle RAG-Fähigkeiten zu erwerben!
Dieses Modul bietet einen Überblick über Retrieval-Augmented Generation (RAG) und veranschaulicht, wie es die Informationsbeschaffung und -zusammenfassung für KI-Anwendungen verbessern kann. Das Modul beinhaltet ein Labor, das die grundlegenden Komponenten der Erstellung von RAG-Anwendungen in einem einfach zu verwendenden Jupyter Notebook-Format vorstellt. In diesem praktischen Projekt lernen Sie, Dokumente aufzuteilen und einzubetten und Retrieval-Ketten mit LangChain zu implementieren.
Überblick über das berufsbezogene Zertifikat RAG und Agentic AI•6 Minuten
Warum RAG?•7 Minuten
Weitere RAG-Details•7 Minuten
2 Lektüren•Insgesamt 6 Minuten
Überblick über den Kurs•4 Minuten
Zusammenfassung und Highlights: Einführung in die RAG•2 Minuten
2 Aufgaben•Insgesamt 36 Minuten
Benotetes Quiz: Einführung in die RAG•21 Minuten
Praxis-Quiz: Was ist RAG?•15 Minuten
1 App-Element•Insgesamt 60 Minuten
Private Dokumente mit RAG, LangChain und LLMs zusammenfassen•60 Minuten
1 Diskussionsthema•Insgesamt 10 Minuten
[Fakultativ] Diskussionsaufforderung: Treffen und Begrüßung•10 Minuten
3 Plug-ins•Insgesamt 20 Minuten
Lesen: Hilfreiche Tipps für den Abschluss des Kurses•5 Minuten
Lesen: Was ist RAG?•10 Minuten
Spickzettel: Einführung in die RAG•5 Minuten
Apps erstellen mit RAG
Modul 2•2 Stunden abzuschließen
Moduldetails
In diesem Modul lernen Sie, eine Retrieval-Augmented Generation (RAG)-Anwendung mit LangChain zu erstellen und praktische Erfahrungen bei der Umwandlung einer Idee in eine voll funktionsfähige KI-Lösung zu sammeln. Sie werden auch Gradio als benutzerfreundliche Schnittstellenschicht für Ihre Modelle erkunden und eine einfache Gradio-Schnittstelle einrichten, um Echtzeit-Interaktionen zu erleichtern. Schließlich werden Sie einen QA-Bot konstruieren, der LangChain und einen LLM nutzt, um Fragen aus geladenen Dokumenten zu beantworten, und so Ihr Verständnis für durchgängige RAG-Workflows vertiefen.
Zusammenfassung und Highlights: Apps bauen mit RAG•2 Minuten
2 Aufgaben•Insgesamt 36 Minuten
Benotetes Quiz: Apps mit RAG bauen•21 Minuten
Praxis-Quiz: Apps mit RAG bauen•15 Minuten
2 App-Elemente•Insgesamt 60 Minuten
Übung: Einrichten einer einfachen Gradio-Schnittstelle zur Interaktion mit Ihren Modellen•30 Minuten
Übung: Einen QA-Bot konstruieren, der die LangChain und LLM nutzt, um Fragen aus einem geladenen Dokument zu beantworten•30 Minuten
2 Plug-ins•Insgesamt 20 Minuten
Lesen: Einführung in Gradio•15 Minuten
Spickzettel: Apps mit RAG erstellen•5 Minuten
RAG-Apps mit LlamaIndex erstellen
Modul 3•2 Stunden abzuschließen
Moduldetails
Dieses Modul führt Sie in LlamaIndex als Alternative zu LangChain ein und hilft Ihnen zu verstehen, wie Sie Ihr RAG-Wissen auf verschiedene Frameworks anwenden können. Sie werden die Unterschiede zwischen diesen Frameworks erforschen und praktische Erfahrungen sammeln, indem Sie einen Bot mit IBM Granite und LlamaIndex bauen, der Personen Vorschläge zur Teilnahme an Unterhaltungen macht. Bei der Durchführung dieses Projekts lernen Sie die Implementierung von Schlüsselkonzepten wie Vektordatenbanken, Einbettungsmodelle, Document Chunking, Retriever und Prompt Templates kennen, um qualitativ hochwertige Antworten zu generieren.
Wir bei IBM wissen, wie schnell sich die Technologie entwickelt, und sind uns bewusst, wie wichtig es für Unternehmen und Fachkräfte ist, schnell einsatzbereite, praxisnahe Fähigkeiten zu erwerben. Als marktführender Tech-Innovator setzen wir uns dafür ein, dass Sie in diesem dynamischen Umfeld erfolgreich sind. Über das IBM Skills Network bieten unsere von Experten entwickelten Schulungsprogramme in den Bereichen künstliche Intelligenz, Softwareentwicklung, Cybersicherheit, Datenwissenschaft, Unternehmensführung und mehr die grundlegenden Fähigkeiten, die Sie benötigen, um sich Ihren ersten Job zu sichern, Ihre Karriere voranzutreiben oder Ihren geschäftlichen Erfolg zu steigern. Ganz gleich, ob Sie sich selbst oder Ihr Team weiterbilden möchten, unsere Kurse, Spezialisierungen und professionellen Zertifikate vermitteln Ihnen das technische Fachwissen, das Sie und Ihr Unternehmen in einer wettbewerbsorientierten Welt auszeichnet.
Wie verbessert RAG die Qualität der Antworten der LLMs?
RAG verbessert die Qualität der von LLMs generierten Antworten, indem es die Antworten auf aktuelle, maßgebliche externe Daten stützt, um Fehler und Halluzinationen zu reduzieren. Es ermöglicht LLMs, genauere, kontextbewusste und verlässliche Ergebnisse zu liefern, oft mit Quellenangaben, sogar für Themen außerhalb ihrer ursprünglichen Trainingsdaten, was zu einer höheren Vertrauenswürdigkeit und Relevanz der von der KI generierten Antworten führt. (Quelle: GoPractice.io)
Warum ist RAG für KI-Fachleute wichtig?
Die Retrieval-Augmented Generation (RAG) ist für KI-Fachleute wichtig, weil sie die Genauigkeit und Reliabilität von KI-Modellen verbessert, indem sie ihre Antworten auf aktuelle, reale Informationen stützt, wodurch das Risiko falscher oder veralteter Ergebnisse verringert wird. RAG ermöglicht auch eine schnellere Anpassung an neue Bereiche ohne umfangreiche Nachschulung, wodurch KI-Lösungen flexibler und kostengünstiger werden.
Für KI-Experten bedeutet die Beherrschung von RAG, dass sie transparentere, kontextbewusste und zuverlässige KI-Systeme aufbauen können. Die Fähigkeit, RAG zu implementieren, ist daher eine wesentliche Fähigkeit, da die Nachfrage nach vertrauenswürdiger und erklärbarer KI in allen Branchen weiter steigt.
Wie sind die Berufsaussichten für Fachleute mit RAG-Kenntnissen?
Die Berufsaussichten für Fachkräfte mit RAG-Kenntnissen (Retrieval-Augmented Generation) sind sehr vielversprechend, da die Nachfrage in Branchen wie dem Gesundheitswesen, dem Finanzwesen, dem Rechtswesen und dem Kundendienst rapide zunimmt, wenn RAG eingeführt wird. Da für den RAG-Markt bis 2034 ein Wachstum von 49,2 % prognostiziert wird, können Fachkräfte mit diesen Fähigkeiten mit guten Beschäftigungsmöglichkeiten, wettbewerbsfähigen Gehältern und Karrierechancen in verschiedenen Branchen rechnen. (Quelle: Precedence Research)
Wann werde ich Zugang zu den Vorlesungen und Aufgaben haben?
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich dieses Zertifikat abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugang zu allen Kursen des Zertifikats, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird zu Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen.