User-Selected metadata in RAG Applications with Qdrant

Автор: Learn Data with Mark

Загружено: 2024-01-14

Просмотров: 5387

Описание: In this video, we'll learn how to use user-provided metadata to enhance our Retrieval Augmented Generation applications. We'll be using BBC articles about AI, for which we'll create embeddings and then store those in the Qdrant vector database. We'll then see the difference in query response when we use metadata and when we don't. After that, we'll see how the responses generated by an LLM differ when metadata is used and finally we'll build a small app using Gradio to simulate how metadata is used in real applications.

#langchain #qdrant #fastembed #RetrievalAugmentedGeneration #llms #raw #gradio #ollama #mixtral

Resources
LangChain - https://www.langchain.com/
Qdrant - https://qdrant.tech/
Gradio - https://www.gradio.app/
Notebook - https://github.com/mneedham/LearnData...
An Intro to RAG - • Retrieval Augmented Generation with OpenAI...

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...

User-Selected metadata in RAG Applications with Qdrant

Доступные форматы для скачивания:

Скачать видео

Информация по загрузке:

Скачать аудио

Похожие видео

LangChain Parent-Child Retriever for better RAG

LangChain Parent-Child Retriever for better RAG

Local RAG with llama.cpp

Local RAG with llama.cpp

2 метода улучшения поиска в RAG

2 метода улучшения поиска в RAG

I vibecoded an IEC-61131-3 compliant Structured Text Interpreter

I vibecoded an IEC-61131-3 compliant Structured Text Interpreter

Advanced RAG - Self Querying Retrieval

Advanced RAG - Self Querying Retrieval

memvid CLI - easy way to build RAG Pipelines

memvid CLI - easy way to build RAG Pipelines

Стратегии фрагментации в RAG: оптимизация данных для продвинутых ответов ИИ

Стратегии фрагментации в RAG: оптимизация данных для продвинутых ответов ИИ

Advanced RAG with LlamaIndex - Metadata Extraction [2025]

Advanced RAG with LlamaIndex - Metadata Extraction [2025]

Я в опасности

Full-Text Search vs Vector Search (RAG with DuckDB)

Full-Text Search vs Vector Search (RAG with DuckDB)

Лучший на сегодняшний день метод RAG? Объяснение контекстного поиска Anthropic!

Лучший на сегодняшний день метод RAG? Объяснение контекстного поиска Anthropic!

LightRAG: более эффективное решение, чем GraphRAG для систем RAG?

LightRAG: более эффективное решение, чем GraphRAG для систем RAG?

The Windows 11 Disaster That's Killing Microsoft

The Windows 11 Disaster That's Killing Microsoft

GraphRAG: графы знаний, полученные с помощью LLM, для RAG

GraphRAG: графы знаний, полученные с помощью LLM, для RAG

LLMs for Advanced Question-Answering over Tabular/CSV/SQL Data (Building Advanced RAG, Part 2)

LLMs for Advanced Question-Answering over Tabular/CSV/SQL Data (Building Advanced RAG, Part 2)

Advanced RAG 01 - Self Querying Retrieval

Advanced RAG 01 - Self Querying Retrieval

How to evaluate retrieval in RAG pipelines

How to evaluate retrieval in RAG pipelines

ВСЕ накопители ДАННЫХ: объясняю за 8 минут

ВСЕ накопители ДАННЫХ: объясняю за 8 минут

Агенты RAG в производстве: 10 уроков, которые мы усвоили — Дауве Киела, создатель RAG

Агенты RAG в производстве: 10 уроков, которые мы усвоили — Дауве Киела, создатель RAG

EASIEST Way to Fine-Tune a LLM and Use It With Ollama

EASIEST Way to Fine-Tune a LLM and Use It With Ollama