Томаж Братанич, Оскар Хане | Основы GraphRAG. Улучшенный RAG на базе графов знаний [2 книги] (2025, 2026) [PDF, EPUB, MOBI, AZW3] [RU, EN] -Автор: Томаж Братанич, Оскар Хане Перевод: Е.Бартов (ООО «Прогресс книга») Издательство: Питер, Manning Серия: Библиотека программиста ISBN: 978-5-4461-4502-7, 978-1633436268 англ. Жанр: Компьютерная литература Язык: Русский, английский Формат: PDF, EPUB, MOBI Качество: Изначально электронное (ebook) Иллюстрации: Черно-белые, Цветные и черно-белые Описание: Система генерации ответа, дополненная результатами поиска (Retrieval Augmented Generation, RAG), автоматически выбирает и предоставляет контекст, характерный для конкретной предметной области, что значительно улучшает способность LLM генерировать точные ответы без искажений. Подход GraphRAG основывается на использовании графа знаний для структурирования входных данных и существующих в них связей, чтобы получить содержательные и релевантные промпты. Создайте и разверните систему GraphRAG производственного уровня. Научитесь извлекать структурированные знания из текста и комбинировать методы векторного поиска с поиском по графам. Книга богата практическими примерами: от создания инструмента поиска по векторному сходству и приложения Agentic RAG до оценки эффективности и точности результатов работы такого приложения.
"Дополнительная информация:"
Что внутри: эмбеддинги, поиск по векторному сходству, полнотекстовый и гибридный поиск; преобразование естественного языка в запросы к базам данных Cypher; пайплайн GraphRAG от Microsoft; приложение Agentic RAG. Для читателей со средним уровнем владения Python и некоторым опытом работы с графовыми базами данных, такими как Neo4j. «Упорядочивает хаос RAG-систем, превращая их в четкие и практичные стратегии. Рекомендуется всем, кто собирается создавать интеллектуальные промышленные приложения на основе LLM». - Илунь Чжан, Mozilla «Дает и теорию, и практику, которые помогут вам начать свой путь в GraphRAG». - Майкл Хангер, Neo4 Об авторах Томаж Братанич Автор книги Graph Algorithms for Data Science (Manning) и участник проектов LangChain и LlamaIndex, обладает большим опытом работы с графами, машинным обучением и генеративным ИИ. Оскар Хане Возглавляет команду разработчиков генеративного ИИ в Neo4j. Краткое содержание Предисловие Введение От.издательства Глава 1. Повышение.точности.больших.языковых.моделей Глава 2. Поиск.по.векторному.сходству.и.гибридный.поиск Глава 3. Улучшенные.стратегии.поиска.по.векторному.сходству Глава 4. Генерирование.запросов.на.Cypher.из.вопросов.на.естественном.языке Глава 5. Агентная.система.RAG Глава 6. Построение.графов.знаний.с.помощью.LLM Глава 7. Реализация.GraphRAG.от.Microsoft Глава 8. Оценка.RAG-приложений Приложение. Среда.Neo4j Дополнительные.ресурсы В оригинале: Essential GraphRAG: Knowledge Graph-Enhanced RAG by Tomaž Bratanic, Oskar Hane Inside Essential GraphRAG you’ll learn: • The benefits of using Knowledge Graphs in a RAG system • How to implement a GraphRAG system from scratch • The process of building a fully working production RAG system • Constructing knowledge graphs using LLMs • Evaluating performance of a RAG pipeline Essential GraphRAG is a practical guide to empowering LLMs with RAG. You’ll learn to deliver vector similarity-based approaches to find relevant information, as well as work with semantic layers, deliver agentic RAG, and generate Cypher statements to retrieve data from a knowledge graph. About the book Essential GraphRAG shows you how to build and deploy a production-quality GraphRAG system. You’ll learn to extract structured knowledge from text and how to combine vector-based and graph-based retrieval methods. The book is rich in practical examples, from building a vector similarity search retrieval tool and an Agentic RAG application, to evaluating performance and accuracy, and more. What's inside • Embeddings, vector similarity search, and hybrid search • Turning natural language into Cypher database queries • Microsoft’s GraphRAG pipeline • Agentic RAG About the reader For readers with intermediate Python skills and some experience with a graph database like Neo4j. About the author The author of Manning’s Graph Algorithms for Data Science and a contributor to LangChain and LlamaIndex, Tomaž Bratanic has extensive experience with graphs, machine learning, and generative AI. Oskar Hane leads the Generative AI engineering team at Neo4j. Table of Contents 1 Improving LLM accuracy 2 Vector similarity search and hybrid search 3 Advanced vector retrieval strategies 4 Generating Cypher queries from natural language questions 5 Agentic RAG 6 Constructing knowledge graphs with LLMs 7 Microsoft’s GraphRAG implementation 8 RAG application evaluation A The Neo4j environment
Курс Томаж Братанич, Оскар Хане - Основы GraphRAG. Улучшенный RAG на базе графов знаний [2 книги] (2025, 2026)
Текущее время: Сегодня 05:11
Часовой пояс: GMT + 4
Вы не можете начинать темы Вы не можете отвечать на сообщения Вы не можете редактировать свои сообщения Вы не можете удалять свои сообщения Вы не можете голосовать в опросах Вы не можете прикреплять файлы к сообщениям Вы не можете скачивать файлы