Bouw lokale RAG-agents met LangGraph

Ben je klaar om AI-agents te maken die toegang hebben tot specifieke informatie buiten hun trainingsdata en deze kunnen begrijpen? Deze cursus introduceert je in de krachtige wereld van Retrieval Augmented Generation (RAG) en agent-gebaseerde workflows, waardoor je geavanceerde, contextbewuste applicaties kunt bouwen die volledig op je lokale machine draaien. Aan het einde van deze cursus ben je in staat om je eigen lokale RAG-agents te ontwerpen, implementeren en inzetten, die in staat zijn om externe kennisbanken te benutten voor nauwkeurige en relevante antwoorden. Wat je zult leren: * Begrijp de kernconcepten van Retrieval Augmented Generation (RAG) en de voordelen ervan voor AI-applicaties. * Leer AI-agent workflows met meerdere stappen ontwerpen en implementeren met het LangGraph framework. * Configureer en communiceer met lokale Large Language Models (LLMs) via Ollama, inclusief modellen zoals Llama 3. * Integreer vectordatabases zoals ChromaDB voor efficiënte kennisretrieval in RAG-systemen. * Pas prompt engineering technieken toe om het gedrag van agents te sturen en de kwaliteit van antwoorden te verbeteren. * Oefen met het vanaf nul bouwen van een complete lokale RAG-agent door alle componenten te combineren. * Verken fundamentele evaluatiemethoden voor het beoordelen van de prestaties en betrouwbaarheid van RAG-agents. De cursus begint met fundamentele RAG-concepten, gaat verder met het opzetten van lokale LLM-omgevingen, duikt in LangGraph voor het creëren van agents en sluit af met praktische implementatie en basis-evaluatiestrategieën. Deze cursus is ontworpen voor beginners die geïnteresseerd zijn in het bouwen van intelligente AI-agents. Er is geen eerdere ervaring met LLMs of RAG vereist. Begin vandaag nog met het bouwen van je eigen intelligente lokale AI-agents.