Course
Workshop de Neo4j e IA Generativa
Aprenda a construir fluxos de trabalho GraphRAG com Neo4j, Python e técnicas de recuperação com LLM.
About this course
In this 2-hour course, you will learn
Bem-vindo ao GraphAcademy e ao workshop de Neo4j e IA Generativa.
Neste workshop, você irá:
- Aprender sobre IA Generativa, Full definition for retrieval-augmented generation (opens in a new tab)Fetching relevant context from an external data source as additional context to inform a language model's response. e Full definition for GraphRAG (opens in a new tab)Retrieval-augmented generation whose context comes from a knowledge graph, so the model can follow the relationships between facts..
- Construir um grafo de conhecimento a partir de dados não estruturados e estruturados.
- Usar índices vetoriais e Full definition for embedding (opens in a new tab)Information represented as a numerical vector, positioned so that similar information sits close together. no Neo4j para realizar busca por similaridade.
- Criar Full definition for retriever (opens in a new tab)A component that searches a data source and returns the information relevant to a query. Often used to provide context for a language model. vetoriais, Vector + Full definition for Cypher (opens in a new tab)Neo4j's implementation of GQL, the ISO standard query language for graph databases. It is declarative: you describe the pattern to find, and the database decides how to find it. e Text to Cypher.
- Construir um agente conversacional usando Neo4j, Python e LangChain
Pré-requisitos
Antes de fazer este workshop, você deve ter:
- Compreensão básica de bancos de dados em grafo e Neo4j
- Capacidade de ler e entender consultas Cypher básicas
- Conhecimento de Python e capacidade de ler e executar programas simples
Para fazer este curso, recomendamos que você tenha concluído estes cursos para iniciantes no GraphAcademy:
Os fundamentos de IA Generativa e Large Language Models (LLMs)
O que é Retrieval-Augmented Generation (RAG) e por que é importante
Como o GraphRAG pode melhorar a qualidade do conteúdo gerado por LLM
Como construir grafos de conhecimento a partir de documentos PDF não estruturados usando extração de entidades e mapeamento de relacionamentos
Como enriquecer grafos de conhecimento com dados estruturados
Como usar vetores no Neo4j para busca por similaridade
Como construir diferentes tipos de retrievers usando o pacote neo4j-graphrag para Python.
Como construir um agente conversacional usando Neo4j, Python e LangChain.
Course content