课程简介
■知识图谱的基础理论、构建方法与应用。
■大模型与知识图谱的融合应用，提升问答系统和智能知识库效果。
目标收益
培训对象
课程大纲
|
第一单元 大模型+知识图谱技术剖析（完成时长：如：1小时） |
1.1LLMs发展现状研讨 1.2大模型与图谱结合场景剖析 1.3 LLMs系统资源评估与经验分享 1.4 大模型应用落地技术瓶颈 |
|
第二单元 RAG原理与优化（完成时长：1小时） |
2.1 RAG原理介绍 2.2 向量表征 2.3 混合搜索 2.4 RAG优化 |
|
第三单元 GraphRAG技术剖析（完成时长：1小时） |
3.1 GraphRAG设计框架 3.2 微软GraphRAG工具介绍 3.3 GraphRAG自身瓶颈分析 3.4 KEG工具介绍与对比 3.5图谱+LLM适应常见分析 |
|
第四单元 大模型Graph-RAG实战（完成时长：如：1.5小时） |
4.1Rag微调代码讲解 4.2向量表征模型Bge源码剖析 4.3内容切割关键技术研究【切片/语义切割】 4.4实验验证模型训练效果 4.5 开源框架落地应用效果验证 |
|
第五单元 AI应用B端场景整体分析（完成时长：1小时） |
5.1 LLM+领域问答场景分析 5.2 LLM+CHATBI场景分析 5.3 LLM+内容抽取场景分析 5.4 LLM+报告生成场景分析 |
| 答疑（完成时长：0.5） | 答疑 |
|
第一单元 大模型+知识图谱技术剖析（完成时长：如：1小时） 1.1LLMs发展现状研讨 1.2大模型与图谱结合场景剖析 1.3 LLMs系统资源评估与经验分享 1.4 大模型应用落地技术瓶颈 |
|
第二单元 RAG原理与优化（完成时长：1小时） 2.1 RAG原理介绍 2.2 向量表征 2.3 混合搜索 2.4 RAG优化 |
|
第三单元 GraphRAG技术剖析（完成时长：1小时） 3.1 GraphRAG设计框架 3.2 微软GraphRAG工具介绍 3.3 GraphRAG自身瓶颈分析 3.4 KEG工具介绍与对比 3.5图谱+LLM适应常见分析 |
|
第四单元 大模型Graph-RAG实战（完成时长：如：1.5小时） 4.1Rag微调代码讲解 4.2向量表征模型Bge源码剖析 4.3内容切割关键技术研究【切片/语义切割】 4.4实验验证模型训练效果 4.5 开源框架落地应用效果验证 |
|
第五单元 AI应用B端场景整体分析（完成时长：1小时） 5.1 LLM+领域问答场景分析 5.2 LLM+CHATBI场景分析 5.3 LLM+内容抽取场景分析 5.4 LLM+报告生成场景分析 |
|
答疑（完成时长：0.5） 答疑 |
近期公开课推荐
