Ebook Làm Chủ Retrieval-Augmented Generation - Xây Dựng Các Ứng Dụng GenAI Thế Hệ Tiếp Theo Với LangChain, LlamaIndex Và LLM [Ấn Bản Lần 1, Tháng 3/2025] [PDF, EPUB] [9385E]
Các mô hình ngôn ngữ lớn - Large language model (LLM) như GPT, BERT và T5 đang cách mạng hóa cách chúng ta tương tác với công nghệ - cung cấp năng lượng cho trợ lý ảo, tạo nội dung và phân tích dữ liệu. Khi tầm ảnh hưởng của chúng ngày càng tăng, việc hiểu kiến trúc, các khả năng và cân nhắc về mặt đạo đức của chúng trở nên quan trọng hơn bao giờ hết. Cuốn sách này phân tích những yếu tố cốt lõi của các LLM và khám phá retrieval-augmented generation (RAG), một phương pháp tiếp cận mạnh mẽ kết hợp các retrieval system với generative AI để có kết quả thông minh hơn, nhanh hơn và đáng tin cậy hơn.
Nó cung cấp một phương pháp tiếp cận từng bước để xây dựng các hệ thống thông minh tiên tiến sử dụng một kỹ thuật cải tiến được gọi là RAG, do đó làm cho chúng chính xác về mặt thực tế, nhận thức được ngữ cảnh và bền vững. Bạn sẽ bắt đầu với kiến thức nền tảng - hiểu về kiến trúc, training process và các cân nhắc về mặt đạo đức, trước khi đi sâu vào các cơ chế của RAG, tìm hiểu cách retriever và generator cộng tác để cải thiện hiệu suất. Cuốn sách giới thiệu các framework thiết yếu như LangChain và LlamaIndex, hướng dẫn bạn thực hiện các triển khai thực tế, khắc phục sự cố và các kỹ thuật tối ưu hóa. Nó khám phá các kỹ thuật tối ưu hóa nâng cao và cung cấp các bài tập coding thực hành để đảm bảo hiểu biết thực tế. Các nghiên cứu trường hợp thực tế và ứng dụng trong ngành giúp thu hẹp khoảng cách giữa lý thuyết và triển khai.
Đến chương cuối cùng, bạn sẽ có các kỹ năng để thiết kế, xây dựng và tối ưu hóa các ứng dụng được hỗ trợ bởi RAG, tích hợp các LLM với các retrieval system, tạo các pipeline tùy chỉnh và mở rộng hiệu suất. Cho dù bạn là một chuyên gia AI giàu kinh nghiệm hay một nhà phát triển đầy tham vọng, cuốn sách này sẽ trang bị cho bạn kiến thức và công cụ để luôn dẫn đầu trong thế giới AI không ngừng phát triển.
Bạn sẽ học được gì:
- ✓ Hiểu được những kiến thức cơ bản về LLM.
- ✓ Khám phá RAG và các key component của nó.
- ✓ Xây dựng các ứng dụng GenAI sử dụng LangChain & LlamaIndex framework.
- ✓ Tối ưu hóa các chiến lược truy xuất để có các phản hồi AI chính xác và có cơ sở.
- ✓ Triển khai các RAG pipeline có khả năng mở rộng, sẵn sàng cho sản xuất với các best practice.
- ✓ Troubleshoot & fine-tune các RAG pipeline để có hiệu suất tối ưu.
Cuốn sách này dành cho ai:
Cuốn sách này dành cho các AI practitioner, data scientist, sinh viên và nhà phát triển muốn triển khai RAG bằng LangChain và LlamaIndex. Người đọc có kiến thức cơ bản về Python, các khái niệm ML và các nền tảng của NLP sẽ có thể tận dụng kiến thức thu được để thúc đẩy sự nghiệp của mình.
Mục lục:
- ✓ Chương 01. Giới thiệu về Large Language Models.
- ✓ Chương 02. Giới thiệu về Retrieval-Augmented Generation.
- ✓ Chương 03. Bắt đầu với LangChain.
- ✓ Chương 04. Các nền tảng về Retrieval-augmented Generation.
- ✓ Chương 05. Tích hợp RAG với LangChain.
- ✓ Chương 06. Hướng dẫn toàn diện về LangChain.
- ✓ Chương 07. Giới thiệu về LlamaIndex.
- ✓ Chương 08. Xây dựng và tối ưu hóa các RAG Pipeline với LlamaIndex.
- ✓ Chương 09. Các kỹ thuật nâng cao với LlamaIndex.
- ✓ Chương 10. Deploy các RAG Model trong Production.
- ✓ Chương 11. Các xu hướng tương lai và đổi mới trong RAG.
LƯU Ý: Pass mở file pdf là mật khẩu giải nén chung của tài liệu !