Wissensgraphen werden in der Entwicklung verwendet, um komplexe Datenbeziehungen zu strukturieren, intelligente Suchfunktionen zu steuern und leistungsstarke KI-Anwendungen zu erstellen, die auf verschiedene Datentypen zugreifen können. Wissensgraphen können Daten aus strukturierten und unstrukturierten Quellen (Datenbanken, Dokumente usw.) miteinander verbinden und bieten eine intuitive und flexible Möglichkeit zur Modellierung komplexer, realer Szenarien.

Im Gegensatz zu Tabellen oder einfachen Listen können Wissensgraphen die Bedeutung und den Kontext hinter den Daten erfassen, so dass Sie Erkenntnisse und Zusammenhänge aufdecken können, die mit herkömmlichen Datenbanken nur schwer zu finden wären. Dieser reichhaltige, strukturierte Kontext ist ideal für die Verbesserung des Outputs von großen Sprachmodellen (LLMs), da Sie einen relevanteren Kontext für das Modell erstellen können als mit semantischer Suche allein. In diesem Kurs lernen Sie, wie Sie Wissensgraphen in Retrieval Augmented Generation (RAG) Anwendungen nutzen können. Sie werden lernen: 1. Die Grundlagen zu verstehen, wie Wissensgraphen Daten speichern, indem sie Knoten zur Darstellung von Entitäten und Kanten zur Darstellung von Beziehungen zwischen Knoten verwenden. 2. Die Abfragesprache von Neo4j, Cypher, verwenden, um Informationen aus einem Fun-Graphen mit Film- und Schauspielerdaten abzurufen. 3. Hinzufügen eines Vektorindexes zu einem Wissensgraphen, um unstrukturierte Textdaten darzustellen und relevante Texte mit Hilfe der Vektorähnlichkeitssuche zu finden. 4. Aufbau eines Wissensgraphen aus Textdokumenten von Grund auf, unter Verwendung öffentlich zugänglicher Finanz- und Investitionsdokumente als Demo-Anwendungsfall 5. Erforschung fortgeschrittener Techniken zur Verbindung mehrerer Wissensgraphen und zur Verwendung komplexer Abfragen für eine umfassende Datenabfrage. 6. Schreiben Sie fortgeschrittene Cypher-Abfragen, um relevante Informationen aus dem Graphen abzurufen und sie für die Aufnahme in Ihre Eingabeaufforderung für ein LLM zu formatieren. Nach Abschluss des Kurses sind Sie gut gerüstet, um Wissensgraphen zu nutzen, um tiefere Einblicke in Ihre Daten zu gewinnen und die Leistung von LLMs mit strukturiertem, relevantem Kontext zu verbessern.