Chatte mit deinen Daten: Aufbau eines Retrieval-Augmented-Generation-(RAG)-Systems

In diesem Workshop werden die Teilnehmer dazu befähigt, ein Retrieval-Augmented-Generation-System (RAG) zu entwickeln, das Anfragen gegen eine umfangreiche Textdatenbank bearbeitet.

Durch den Aufbau eines Embeddings-basierten Index und die kontextbasierte Beantwortung von Fragen anhand relevanter Dokumente lernen die Teilnehmer:innen, wie sie ihre Daten in eine interaktive Konversation verwandeln können.

Vorkenntnisse

Die Zielgruppe für diesen Workshop sind Entwickler, die entweder noch keine oder nur geringe praktische Erfahrung mit Large Language Models (LLMs) haben und über grundlegende Python-Kenntnisse verfügen.

Lernziele

1. Daten für und mit Large Language Models (LLMs) aufarbeiten und persistieren: Die Teilnehmer werden lernen, wie man Daten für die Verarbeitung mit LLMs vorbereitet und wie man sie effektiv persistiert, um den Trainingsprozess zu unterstützen.
   
2. Verarbeitung von (Text)daten mit LLMs: Die Teilnehmer werden die Grundlagen der Verarbeitung von Textdaten mit LLMs kennenlernen. Dies umfasst das Einlesen, Vorbereiten und Anwenden von LLMs auf Textdaten.
   
3. Erfahrungen mit Large Language Models sammeln: Durch praktische Übungen und Beispiele werden die Teilnehmer Erfahrungen im Umgang mit LLMs sammeln, um ein besseres Verständnis für deren Funktionsweise und Anwendungsmöglichkeiten zu entwickeln.