When will I receive my Course Certificate?

If you complete the course successfully, your electronic Course Certificate will be added to your Accomplishments page - from there, you can print your Course Certificate or add it to your LinkedIn profile.

Why can’t I audit this course?

This course is currently available only to learners who have paid or received financial aid, when available.

Is financial aid available?

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

Building Retrieval-Augmented Systems & Knowledge Graphs

Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.

Building Retrieval-Augmented Systems & Knowledge Graphs

Dieser Kurs ist Teil von Spezialisierung „Building AI Agents with LLMs, RAG, and Knowledge Graphs“

Dozent: Packt - Course Instructors

Bei enthalten

Mehr erfahren

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

Stufe Mittel

Empfohlene Erfahrung

5 Stunden zu vervollständigen

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

Stufe Mittel

Empfohlene Erfahrung

5 Stunden zu vervollständigen

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

Design and implement web scraping agents using LLMs for data collection.
Apply retrieval-augmented generation techniques to reduce hallucinations and improve accuracy.
Build and integrate knowledge graphs into AI systems for advanced reasoning and retrieval.

Kompetenzen, die Sie erwerben

Kategorie: Taxonomy
Kategorie: Graph Theory
Kategorie: Agentic systems
Kategorie: Generative AI Agents
Kategorie: Scalability
Kategorie: AI Integrations
Kategorie: Retrieval-Augmented Generation
Kategorie: LLM Application
Kategorie: Artificial Intelligence and Machine Learning (AI/ML)
Kategorie: System Design and Implementation
Kategorie: Artificial Intelligence
Kategorie: Large Language Modeling
Kategorie: Machine Learning

Werkzeuge, die Sie lernen werden

Kategorie: Python Programming
Kategorie: Agentic Workflows
Kategorie: LangChain

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Kürzlich aktualisiert!

Mai 2026

Bewertungen

4 Aufgaben

Unterrichtet in Englisch

91%

of learners achieved a positive career outcome

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Building AI Agents with LLMs, RAG, and Knowledge Graphs“

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.

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 4 Module

This course teaches you how to enhance large language models (LLMs) by integrating retrieval-augmented generation (RAG) and structured knowledge through knowledge graphs. You'll learn how to design, optimize, and scale AI agents that combine external data sources with advanced reasoning capabilities. The practical applications of RAG and knowledge graphs are transforming the way intelligent agents operate, improving accuracy and reducing errors.

Throughout this course, you will acquire valuable skills in building and refining AI systems. We focus on practical outcomes, where you will develop the expertise to create agents that leverage web data, RAG pipelines, and knowledge graphs. These techniques will allow you to tackle real-world challenges in AI development. What sets this course apart is its unique combination of theory and real-world application. You'll work through hands-on projects that use cutting-edge technology, ensuring that you gain practical experience while reinforcing theoretical concepts. The course emphasizes scalability, security, and the implementation of best practices. This course is ideal for AI developers, data scientists, and anyone interested in the field of intelligent agent development. It is particularly suited for individuals with a background in AI, machine learning, or software development who want to specialize in advanced AI systems. This course is part two of a three-course Specialization designed to provide a comprehensive learning pathway in this subject area. While it delivers standalone value and practical skills, learners seeking a more integrated and in-depth progression may benefit from completing the full Specialization.

This module explores how large language models (LLMs) can serve as the core of intelligent web scraping agents. Learners will examine the architecture of such agents, compare single-agent and multi-agent systems, and gain hands-on familiarity with key frameworks like Haystack and AutoGen. By the end, you'll understand how to leverage LLMs and supporting libraries to automate web-based information retrieval tasks.

Das ist alles enthalten

1 Video9 Lektüren1 Aufgabe

1 VideoInsgesamt 1 Minute

Overview1 Minute

9 LektürenInsgesamt 52 Minuten

Introduction7 Minuten
The Brain5 Minuten
The Perception6 Minuten
Classifying AI Agents7 Minuten
Understanding the Abilities of Single-Agent and Multiple-Agent Systems6 Minuten
Exploring the Principal Libraries5 Minuten
Haystack5 Minuten
AutoGen4 Minuten
Creating an Agent to Search the Web7 Minuten

1 AufgabeInsgesamt 16 Minuten

Building Intelligent Web Scraping Systems16 Minuten

This module explores how to enhance language model agents using Retrieval-Augmented Generation (RAG) to minimize hallucinations and improve reliability. Learners will examine RAG components, embedding strategies, vector databases, and evaluation metrics, and compare RAG with fine-tuning approaches. Practical application is demonstrated through building a movie recommendation agent.

Das ist alles enthalten

1 Video7 Lektüren1 Aufgabe

1 VideoInsgesamt 1 Minute

Overview1 Minute

7 LektürenInsgesamt 49 Minuten

Introduction14 Minuten
Retrieval, Optimization, and Augmentation7 Minuten
Embedding Strategies8 Minuten
Embedding Databases5 Minuten
Evaluating the Output5 Minuten
Comparison Between RAG and Fine-Tuning5 Minuten
Using RAG to Build a Movie Recommendation Agent5 Minuten

1 AufgabeInsgesamt 16 Minuten

Enhancing Language Models with Retrieval-Augmented Generation16 Minuten

This module explores advanced Retrieval-Augmented Generation (RAG) techniques designed to enhance information retrieval and augmentation in AI systems. Learners will examine improvements over naïve RAG, including query transformation, reranking, modular architectures, scalability, and security considerations. By the end, participants will understand how to implement and optimize sophisticated RAG pipelines for real-world applications.

Das ist alles enthalten

1 Video13 Lektüren1 Aufgabe

1 VideoInsgesamt 1 Minute

Overview1 Minute

13 LektürenInsgesamt 78 Minuten

Introduction6 Minuten
Exploring the Advanced RAG Pipeline4 Minuten
Hypothetical Questions and HyDE5 Minuten
Query Transformation4 Minuten
Query Routing4 Minuten
Reranking8 Minuten
Response Optimization6 Minuten
Modular RAG and Its Integration with Other Systems7 Minuten
Implementing an Advanced RAG Pipeline5 Minuten
Understanding the Scalability and Performance of RAG8 Minuten
Parallel Processing4 Minuten
Security and Privacy5 Minuten
Open Questions and Future Perspectives12 Minuten

1 AufgabeInsgesamt 16 Minuten

Advanced RAG Techniques and Information Retrieval16 Minuten

This module guides learners through the process of building, cleaning, and deploying knowledge graphs, and demonstrates how to connect them to AI agents using tools like Neo4j and LangChain. Learners will explore taxonomies, ontologies, and graph-based retrieval methods, as well as the challenges and applications of integrating knowledge graphs with large language models. The module also covers advanced topics such as graph reasoning, graph neural networks, and ongoing challenges in the field.

Das ist alles enthalten

1 Video13 Lektüren1 Aufgabe

1 VideoInsgesamt 1 Minute

Overview1 Minute

13 LektürenInsgesamt 71 Minuten

Introduction4 Minuten
Introduction to Knowledge Graphs7 Minuten
Taxonomies and Ontologies4 Minuten
Knowledge Creation7 Minuten
Creating a Knowledge Graph with an LLM6 Minuten
Knowledge Cleaning4 Minuten
Knowledge Hosting and Deployment4 Minuten
Retrieving Information with a Knowledge Graph and an LLM4 Minuten
Graph-Guided Retrieval7 Minuten
GraphRAG Applications4 Minuten
Understanding Graph Reasoning5 Minuten
Graph Neural Networks8 Minuten
Ongoing Challenges in Knowledge Graphs and GraphRAG7 Minuten

1 AufgabeInsgesamt 16 Minuten

Knowledge Graphs and AI Agent Integration16 Minuten

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozent

Packt - Course Instructors

Packt

1.893 Kurse523.355 Lernende

von

Packt

Mehr von Machine Learning entdecken

Packt
AI Enhancement with Knowledge Graphs - Mastering RAG Systems
Kurs
Packt
Building AI Agents with LLMs, RAG, and Knowledge Graphs
Spezialisierung
Edureka
RAG Systems in Practice
Kurs
Coursera
LLM Engineering with RAG: Optimizing AI Solutions
Kurs

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Häufig gestellte Fragen

Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.

If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.

Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.