Formation RAG avec Langchain et Azure AI Search

Programme de notre formation RAG avec LangChain

INTRODUCTION À LA GÉNÉRATION AUGMENTÉE PAR RECHERCHE (RAG)

• Comprendre les concepts fondamentaux de RAG avec LangChain et LlamaIndex
• Composants clés et défis
• Exemples d’application
• Analyse de leurs performances
• Introduction aux agents de données avec LlamaIndex
• Discussion interactive sur les cas d’utilisation dans différents secteurs

TECHNIQUES AVANCÉES DE RAG

• Techniques de fine-tuning
• Deep Memory pour l’amélioration de la précision de récupération de données
• Mise en œuvre de solutions RAG en production avec LlamaIndex
• Optimisation itérative du pipeline RAG avec LlamaIndex
• Utilisation de la mémoire profonde avec LangChain pour des réponses précises aux questions

AGENTS DE GÉNÉRATION AUGMENTÉE PAR RECHERCHE

• Utilisation des agents de données avec LlamaIndex
• Assistants AI avec les API d’OpenAI et Hugging Face
• Applications multimodales
• Construction d’un assistant d’achat intelligent avec Deep Lake et LlamaIndex
• Atelier pratique : mise en place d’un agent RAG pour un cas d’utilisation spécifique

ÉVALUATION ET OBSERVABILITÉ DE RAG

• Maîtrise des métriques et techniques d’évaluation pour RAG
• Outils d’observabilité (LangSmith)
• Atelier pratique : évaluation d’un système avec des métriques spécifiques
• Meilleures pratiques pour l’observabilité
• Exercices d’application pour tester et améliorer les performances

RAG AVEC AZURE AI SEARCH

• Comprendre le RAG avec Azure AI search
• Implémenter ses propres sources de données
• Intégration et LLMs
• Contenu recherchable
• Exercice pratique : interroger son modèle IA

UTILISATION DU CADRE LANGCHAIN

• Installation et configuration de l’environnement de développement
• Création et chaînage de prompts simples avec un modèle
• Travail avec des agents et des outils
• Chargement et division de documents
• Analyse de sorties avec des parsers
• Atelier pratique : création d’une application base de données vectorielle

APPLICATIONS PRATIQUES DU RAG

• Construction d’applications : données SQL et gestion de CV
• Utilisation de LangChain Expression Language (LCEL) pour des scénarios avancés
• Création d’un chatbot pour les requêtes sur site web
• Intégration avec des systèmes externes : CSV, JSON, bases de données SQL, services web
• Atelier pratique : développement d’une application interactive avec Streamlit et LangChain