Java Spring AI, Neo4J, and OpenAI for Knowledge Graph RAG

Xây dựng Knowledge Graph RAG với Java Spring AI, Neo4J và OpenAI

Hệ thống RAG (Retrieval Augmented Generation) kết hợp Vector Similarity và Knowledge Graph sử dụng Spring AI, Neo4J và Temporal

4.3

(94 đánh giá)

1,008 học viên

Giảng viên

Timotius Pamungkas

Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao

50.000đ 349.000đ -86%

✓ Xem giỏ hàng và thanh toán

Bao gồm phụ đề tiếng Việt, tiếng Anh

6.5 giờ video

58 bài giảng

Truy cập vĩnh viễn

Học trên mọi thiết bị

Cập nhật: 30/05/2026

#Ai Machine Learning #Java #Knowledge Graph #Spring Framework

Bạn sẽ học được gì

Tìm hiểu về Retrieval Augmented Generation (RAG) cho Generative AI

Tìm hiểu về Knowledge Graph và cách nó nâng cấp RAG thành GraphRAG

Triển khai Retrieval Augmented Generation (RAG) sử dụng OpenAI, Spring Boot 3 và Spring AI

Triển khai Knowledge Graph RAG sử dụng Neo4j

Yêu cầu

Lập trình Java cơ bản

Lập trình Spring Boot cơ bản

Hiểu biết cơ bản về sử dụng Large Language Models như OpenAI

Đối tượng phù hợp

Dành cho Nhà phát triển / Kỹ sư phần mềm (đặc biệt là Java Spring)

Người đam mê AI

Trưởng nhóm kỹ thuật / Quản lý

Nội dung khóa học

12 phần • 58 bài giảng

1 Chào mừng đến với khóa học

2 Cấu trúc & Nội dung khóa học

3 Công nghệ sử dụng trong khóa học

4 Tải mã nguồn & Scripts

5 Mẹo: Cách tận dụng tối đa giá trị khóa học

1 Trợ lý AI trong khóa học này

2 Giới thiệu về phần này

3 Những điểm quan trọng về khóa học có Trợ lý AI

4 Tải Prompts cho AI

1 Trợ lý AI trong Kỹ thuật Phần mềm

2 Trợ lý AI trong Kiểm thử Phần mềm

3 Giới thiệu ChatGPT & Github Copilot

4 Cài đặt ChatGPT & Github Copilot

1 Docker là gì và tại sao cần dùng

2 Cài đặt Visual Studio Code

3 Visual Studio Code với GitHub Copilot

1 Generative AI (Gen AI)

2 Large Language Models (LLM)

3 Kỹ thuật Prompt Engineering

4 Hạn chế của LLM

1 Giới thiệu Retrieval Augmented Generation (RAG)

2 Thiết kế hệ thống RAG

1 Bắt đầu với Spring AI

2 Hello OpenAI

1 Quy trình Indexing cơ bản - Lý thuyết

2 Quy trình Indexing cơ bản - Thực hành

3 Quy trình Indexing cơ bản - Kiểm thử ứng dụng

4 Bộ xử lý RAG cơ bản - Lý thuyết

5 Bộ xử lý RAG cơ bản - Thực hành

6 Bộ xử lý RAG cơ bản - Kiểm thử ứng dụng

1 Quy trình Vector Indexing - Lý thuyết

2 Cài đặt Neo4j

3 Quy trình Vector Indexing - Thực hành

4 Quy trình Vector Indexing - Kiểm thử ứng dụng

5 Bộ xử lý Vector RAG - Lý thuyết

6 Bộ xử lý Vector RAG - Thực hành

7 Bộ xử lý Vector RAG - Kiểm thử ứng dụng

8 Nó hoạt động, nhưng...

9 Tránh trùng lặp dữ liệu

10 Kiểm thử quy trình nâng cao

11 Mẹo: Vector Store

1 Ứng dụng Pipeline chuyên biệt - Thực hành

2 Ứng dụng Pipeline chuyên biệt - Kiểm thử Pipeline

1 Knowledge Graph

2 Xây dựng Knowledge Graph - Lý thuyết

3 Giới thiệu Neo4J

4 Xây dựng Knowledge Graph tĩnh - Thực hành

5 Xây dựng Knowledge Graph tĩnh - Kiểm thử ứng dụng

6 Xây dựng Knowledge Graph từ dữ liệu có cấu trúc - Thực hành

7 Xây dựng Knowledge Graph từ dữ liệu có cấu trúc - Kiểm thử ứng dụng

8 Bộ xử lý Knowledge Graph RAG - Lý thuyết

9 Bộ xử lý Knowledge Graph RAG - Thực hành

10 Bộ xử lý Knowledge Graph RAG - Kiểm thử ứng dụng

11 Xây dựng Knowledge Graph từ dữ liệu phi cấu trúc - Lý thuyết

12 Giới thiệu Neo4J Knowledge Graph Builder

13 Sử dụng Neo4J Knowledge Graph Builder

1 Tải mã nguồn & Scripts

2 Mã giảm giá & Quà tặng

Giới thiệu khóa học

Enhance Your Generative AI Expertise with Retrieval Augmented Generation (RAG) and Knowledge Graph

Retrieval-augmented generation (RAG) is a powerful approach for utilizing generative AI to access information beyond the pre-trained data of Large Language Models (LLMs) while avoiding over-reliance on these models for factual content. The effectiveness of RAG hinges on the ability to quickly identify and provide the most relevant context to the LLM. Knowledge Graphs transforms RAG systems with improved performance, accuracy, traceability, and completeness.

The RAG with Knowledge Graph, also known as GraphRAG, is an effective way to improve the capability of Generative AI. Take your AI skills to the next level with this ultimate course, designed to help you unlock the potential of LLMs by leveraging Knowledge Graphs and RAG systems.

In this course, you will learn:

Introduction to RAG Systems: Discover why Retrieval Augmented Generation is a groundbreaking tool for enhancing AI.
Foundations of Knowledge Graphs: Grasp the basics of knowledge graphs, including their structure and data relationships. Understand how these graphs enhance data modeling for RAG.
Implementing GraphRAG from Scratch: Build a fully operational RAG system with knowledge graphs. Use LLMs to extract and organize information.
Building Knowledge From Multiple Data Sources: Learn to integrate knowledge graphs with unstructured and structured data sources.
Querying Knowledge Graphs: Gain practical experience with leading tools and techniques.

Technology Highlights:

Spring AI: A new technology from famous Java Spring to help engineers work easily with various Generative AI and Large Language Models
Open AI: The innovative Generative AI that everyone loves. A groundbreaking tool for Large Language Models and AI.
Neo4J: Graph database and Vector store that integrates easily with Spring AI to form RAG and Knowledge Graph
Temporal: A workflow orchestrator platform to help engineers build a reliable GrahRAG pipeline.

Mastering advanced AI techniques offers a significant edge in today's fast-paced, data-driven world. This course provides actionable insights to enhance your career or innovate in your field.