Hand-On AI: نمودارهای دانش برای موارد استفاده از هوش مصنوعی مولد

مدرس Ashleigh Faith

انتشار 2024/09/25

مدت زمان 2h 9m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Hands-On AI: Knowledge Graphs for Generative AI Use Cases

داشتن یک نمودار دانش با حمایت LLM شما ، قوام ، اعتماد و کیفیت بیشتری را به LLM ها و برنامه هایی که از آنها پشتیبانی می کنند ، می افزاید و برای شروع استفاده از نمودارهای دانش لازم نیست متخصص باشید. در این دوره ، Ashleigh Faith متخصص نمودار دانش ، چه نمودار دانش را پوشش می دهد ، انواع مختلف نمودارهای دانش و آنچه که هر نوع به طور کلی برای آن استفاده می شود. مبانی مدل سازی و جمع آوری نمودار دانش و معماری ها را برای پشتیبانی از نمودارهای دانش کشف کنید. بیاموزید که چگونه از نمودار دانش و چگونگی LLMS می توانند از نمودارهای دانش برای پشتیبانی از داده های حساس به زمان و کاهش توهم استفاده کنید. دریابید که چگونه می توانید شناسایی کنید که چه نوع نمودار دانش برای انواع مختلفی از موارد استفاده از نمودار دانش و همچنین چه معماری و ابزار به بهترین وجه از پروژه نمودار دانش شما پشتیبانی می کند. به علاوه ، راه هایی را برای ساخت و جمع آوری نمودار دانش و سپس استفاده از نمودار دانش در فضای LLM کشف کنید.

Artificial Intelligence (AI) Generative AI Knowledge Graph-Based Natural Language Processing Knowledge Graph Reasoning Knowledge Graphs

Introduction

The power of knowledge graphs ()

What you should know ()

Use case introduction: Two Trees Olive Oil ()

1. What Is a Knowledge Graph and Why Should You Care?

Why knowledge graphs in the LLM space? ()

What is a triple or statement? ()

Triple store or labeled property graph? ()

What is a node or instance? ()

What is an edge or relation? ()

What are UIDs? ()

2. Make Your Model

What to keep in mind when graph modeling for LLMs ()

How to connect nodes with relationships ()

Desktop Protege IRI setup ()

Adding instances and annotations ()

How to populate a graph ()

Adding a few constraints ()

How to update your graph ()

How to version your graph ()

3. Populating Your Graph with Data

Populating your graph model ()

What generative data can you use? ()

What closed data can you use? ()

What open data can you reuse? ()

Attribution and sourcing ()

Checking your logic ()

4. GraphML

Queries in graph data ()

GraphML: What is it and what tools are there? ()

GraphML: Walking your graph ()

5. Deployment

Data privacy, ethics, regulations, and standards ()

Automated constraint verification ()

Automated fact verification ()

Disputed fact verification ()

Entity resolution ()

Sample architecture ()

Calling your graph ()

Conclusion

Final project introduction ()

Final project walkthrough ()

Continuing on with knowledge graphs ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.