完成专业学习需要多长时间？

<text variant="body1">每周学习 3-4 个小时，您可以在 3 周内完成本课程和指导项目。如果您每周能够投入更多的时间，则可以更快地完成课程！

完成本课程后，我可以担任哪些职务？

本课程是 LLMs 生成人工智能工程专项课程的一部分。完成本课程和指导项目后，您将掌握实践技能，并有信心胜任人工智能工程师、NLP 工程师、机器学习工程师、深度学习工程师、数据科学家或寻求与 LLMs 合作的软件开发人员等工作。

我需要什么特定的软件或工具才能顺利完成课程吗？

<text variant="body1">只需使用现代网络浏览器即可完成本课程和所有动手实验。您将免费获得完成实验所需的云环境 Accessibility。

我什么时候能看到讲座和作业？

要获得课程资料、作业和证书，您需要在注册课程时购买证书体验。您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。

订阅此证书能得到什么？

注册课程后，您就可以访问证书中的所有课程，并在完成作业后获得证书。您的电子证书将被添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。

项目使用 RAG 和 LangChain 的生成式 AI 应用程序

通过 Coursera Plus 提高技能，仅需 239 美元/年（原价 399 美元）。立即节省

项目使用 RAG 和 LangChain 的生成式 AI 应用程序

Q: 我什么时候能看到讲座和作业？

要获得课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。

本课程是多个项目的一部分。

位教师：Kang Wang

25,495 人已注册

包含在中

了解更多

3个模块

深入了解一个主题并学习基础知识。

228 条评论

中级等级

推荐体验

灵活的计划

9 小时完成

自行安排学习进度

94%

大多数学生喜欢此课程

3个模块

深入了解一个主题并学习基础知识。

228 条评论

中级等级

推荐体验

灵活的计划

9 小时完成

自行安排学习进度

94%

大多数学生喜欢此课程

您将学到什么

获得构建自己的真实世界生成式 AI 应用程序的实践经验，以便在面试中进行展示
创建并配置一个 Vector 数据库来存储文档 Embedding，并开发一个检索器来根据用户 Query 获取相关片段
为用户交互设置一个简单的 Gradio Interface，并使用 LangChain 和大语言模型 (LLM) 建立一个问题解答机器人

您将获得的技能

您将学习的工具

要了解的详细信息

可分享的证书

添加到您的领英档案

作业

7 任务¹

AI 评分请参见免责声明

授课语言：英语（English）

了解顶级公司的员工如何掌握热门技能

了解关于 Coursera for Business 的更多信息

Petrobras, TATA, Danone, Capgemini, P&G 和 L'Oreal 的徽标

积累特定领域的专业知识

此课程作为的一部分提供

在注册此课程时，您还需要选择一个特定的合作项目。

向行业专家学习新概念
获得对主题或工具的基础理解
通过实践项目培养工作相关技能
获得可共享的职业证书

该课程共有3个模块

准备好将您的 AI 工程生成技能付诸实践！在这个实践指导项目中，您将应用在本课程前几门课程中获得的知识和技术，构建自己真实世界中的生成式 AI 应用程序。您将从填补关键知识空白开始，例如使用 LangChain 的文档加载器从各种来源摄取文档。然后，您将探索并应用文本分割策略来提高模型的响应速度，并使用 IBM watsonx 嵌入文档。这些嵌入将存储在一个向量数据库中，您将把该数据库连接到 LangChain，以开发一个有效的文档检索器。随着项目的进展，您将实施检索增强生成（RAG）以提高检索准确性，构建一个问题解答机器人，并为交互式模型响应构建一个简单的 Gradio 界面。课程结束时，您将拥有一个完整的、可用于投资组合的 AI 应用程序，该应用程序将展示您的技能，并作为您有能力设计真实世界生成式 AI 解决方案的有力证据。如果您已准备好通过实践经验提升自己的职业生涯，请立即报名，向成为一名自信的 AI 工程师迈出下一步。

在本 Modulation 中，您将探索加载、准备和结构化文档的基本技术，以便使用 LangChain 构建有效的检索增强生成（RAG）应用程序。你将学习如何使用 LangChain 的文档加载器从各种来源导入内容，应用最佳文档摄取实践，以及实施文本分割策略以增强模型的响应能力。您还将学习何时以及如何将整个文档整合到 Prompt 中，以获得最佳输出效果。通过上机实验，您将获得在实际场景中加载文档和应用文本分割技术的实践经验。

涵盖的内容

3个视频4篇阅读材料2个作业3个应用程序项目1个插件

3个视频总计17分钟

课程介绍4分钟
从不同来源加载文件7分钟
拆分文本以优化处理的策略6分钟

4篇阅读材料总计14分钟

课程概览5分钟
专项课程概述5分钟
在 LangChain 应用程序中 Load 文档的最佳实践3分钟
阅读：摘要和要点1分钟

2个作业总计18分钟

实践测验：来自 LangChain 的不同文档加载器9分钟
练习测验：文本分割器9分钟

3个应用程序项目总计110分钟

实验室使用 LangChain 为不同来源 Load 文档60分钟
实验室：将整篇文档放入 Prompt 并询问模型20分钟
实验室：应用文本分割技术提高模型响应速度30分钟

1个插件总计1分钟

完成课程的有用提示1分钟

在本 Modulation 中，您将学习如何使用 watsonx 的嵌入模型嵌入文档，并使用向量数据库（如 Chroma DB 和 FAISS）存储这些嵌入。你将探索嵌入在 RAG 管道中的作用，配置 Vector 存储以管理这些嵌入，并使用 LangChain 对文档进行嵌入预处理。此外，您还将亲身体验 LangChain 中的高级检索器，如基于 Vector 存储的检索器、多查询检索器、自查询检索器和父文档检索器，以便高效地从文档中提取相关信息。最后，您将使用 InstructLab 比较基于 RAG 的方法和微调方法，以评估它们的权衡和适用性。

涵盖的内容

3个视频1篇阅读材料2个作业3个应用程序项目2个插件

3个视频总计12分钟

存储 Embedding 的 Vector 数据库简介5分钟
探索 Langchain 中的高级寻回犬：第一部分3分钟
探索兰恰恩的高级寻回犬 - 第二部分5分钟

1篇阅读材料总计2分钟

Module 摘要：使用 LangChain 的 RAG2分钟

2个作业总计18分钟

练习测验：嵌入文档9分钟
实践测验：寻回犬9分钟

3个应用程序项目总计100分钟

实验室使用 watsonx 的嵌入模型嵌入文档30分钟
实验室创建和配置用于存储文档 Embedding 的 Vector Database30分钟
实验室开发基于 Query 提取文档段的检索器40分钟

2个插件总计25分钟

使用 watsonx 的嵌入模型嵌入文档10分钟
阅读：使用 InstructLab 和 RAG 进行微调比较15分钟

在本 Modulation 中，您将结合所学的所有组件，使用 LangChain 和 RAG 构建一个完整的生成式 AI 应用程序。您将学习如何实施 RAG 以改进信息检索，如何使用 Gradio 设置用户界面，以及如何构建一个利用 LLM 和 LangChain 回应来自 Load 文档的查询的问答机器人。通过动手实验，您将练习构建 Gradio 界面和开发自己的问答机器人。在最终项目中，您将使用 RAG 和 LangChain 构建一个 AI 应用程序。辅助材料，如小抄和词汇表，将强化您的理解，建立对实施技能的信心，并通过分级测验评估您的学习情况。在离开本 Modulation 时，您将获得一个可部署的 AI 驱动的助手，并明确提升技能的下一步。