温馨提示:本站仅提供公开网络链接索引服务,不存储、不篡改任何第三方内容,所有内容版权归原作者所有
AI智能索引来源:http://www.ibm.com/de-de/think/topics/graphrag
点击访问原文链接

Was ist GraphRAG? | IBM

Herzlich willkommen!ÜberblickArten von maschinellem LernenAlgorithmen des maschinellen LernensStatistisches maschinelles LernenLineare Algebra für maschinelles LernenQuantifizierung von UnsicherheitenAbwägung zwischen Verzerrung und VarianzÜberblickMerkmalsauswahlMerkmalsextraktionVektoreinbettungLatenter RaumHauptkomponentenanalyseLineare DiskriminanzanalyseUpsamplingDownsamplingSynthetische DatenDatenlecksÜberblickLineare RegressionLasso-RegressionRidge-RegressionZustandsraummodellZeitreiheAutoregressives ModellÜberblickEntscheidungsbäumeK-Nearest-Neighbors (KNNs)Naive BayesRandom ForestSupport-Vektor-MaschineLogistische RegressionÜberblickBoostingBaggingGradient BoostingGradient Boosting ClassifierÜberblickTransferlernenÜberblickÜberblickK-Means ClusteringHierarchisches ClusteringA-priori-AlgorithmusGaußsches MischungsmodellAnomalieerkennungÜberblickKollaborative FilterungInhaltsbasierte FilterungÜberblickVerstärkendes Lernen mit menschlichem FeedbackÜberblickÜberblickBackpropagationEncoder-Decoder-ModellRecurrent Neural NetworksConvolutional Neural NetworksÜberblickAufmerksamkeitsmechanismusGrouped Query AttentionPositionskodierungAutoencoderMamba-ModellGraph Neural NetworkÜberblickGeneratives ModellGenerative KI im Vergleich zu prädiktiver KIÜberblickLogischkeitsmodelleKleine SprachmodelleAnweisungsoptimierungLLM-ParameterLLM-TemperaturLLM-BenchmarksLLM-AnpassungDiffusionsmodelleVariational Autoencoder (VAE)Generative Adversarial Networks (GANs)ÜberblickVisionssprachmodelleTutorial: Erstellen Sie einen KI- StylistenTutorial: Multimodale KI-Abfragen mit LlamaTutorial: Multimodale KI-Abfragen mit PixtralTutorial: Automatische Podcast-Transkription mit GraniteTutorial: PPT-KI-Bildanalyse-AntwortsystemÜberblickGraphRAGTutorial: Erstellen Sie ein multimodales RAG-System mit Docling und GraniteTutorial: Evaluieren Sie die RAG-Pipline mit RagasTutorial: RAG-Chunking-StrategienTutorial: RAG mithilfe von Wissensdiagrammen grafisch darstellenTutorial: Inferenzskalierung zur Verbesserung multimodaler RAGÜberblickVibe-CodierungBesuchen Sie den Leitfaden zu KI-Agenten 2025ÜberblickVerlustfunktionTrainingsdatenModellparameterGradientenabstiegStochastischer GradientenabstiegHyperparameter-TuningLernrateÜberblickParameter-efficient Fine-Tuning(PEFT)LoRATutorial: Feinabstimmung des Granite-Modells mit LoRARegularisierungFoundation ModelsOverfittingUnderfittingFew-Shot-LearningZero-Shot-LearningKnowledge DistillationMeta-LearningData AugmentationCatastrophic ForgettingÜberblickScikit-learnXGboostPyTorchÜberblickKI-LebenszyklusKI-InferenzModellbereitstellungPipeline für maschinelles LernenDatenkennzeichnungModellrisikomanagementModelldriftAutoMLModellauswahlFöderiertes LernenVerteiltes maschinelles LernenKI-StackÜberblickNatural Language UnderstandingÜberblickStimmungsanalyseMaschinelle ÜbersetzungÜberblickInformationsabrufInformationsextraktionThemen-ModellierungLatente semantische AnalyseLatent Dirichlet AllocationNamed Entity RecognitionWorteinbettungenBag of WordsIntelligente SucheSpracherkennungStemming und LemmatizationTextzusammenfassungDialogorientierte KIKonversationsanalyseGenerierung natürlicher SpracheÜberblickBildklassifikationObjekterkennungInstanzsegmentierungSemantische SegmentierungOptische ZeichenerkennungBilderkennungVisuelle InspektionRetrieval-Augmented Generation (RAG),1WorkflowsIBM DatenschutzerklärungVektordatenbankgenerativen KIWissensgraphmaschinellem LernenVektoreinbettungenGenerative KIVektorsucheTextzusammenfassungenChatbotsZur Episode wechselnunstrukturierten DatenLangChainLlamaIndexTutorialsGPTMetadatenAPIsE-Book Nutzen Sie die Leistungsfähigkeit generativer KI und ML Erfahren Sie, wie Sie generative KI und maschinelles Lernen sicher in Ihr Unternehmen integrieren können. E-Book lesenZur Episode wechselnLernprogramm IBM Developer: RAG-Tutorials Entdecken Sie alle IBM Developer RAG-Tutorials (Retrieval-Augmented Generation). Training beginnenTechsplainers-Podcast Retrieval-Augmented Generation (RAG) erklärt „Techsplainers“ von IBM schlüsselt die Grundlagen der RAG auf, von Schlüsselkonzepten bis hin zu realen Anwendungsfällen. Klare, kurze Episoden helfen Ihnen, die Grundlagen schnell zu erlernen. Jetzt anhörenBlog IBM RAG Cookbook Erkunden Sie eine umfassende Sammlung von Best Practices, Überlegungen und Tipps für die Entwicklung von RAG-Lösungen, zugeschnitten auf geschäftliche Anwendungsfälle.. Blog lesenArtikel IBM Developer: RAG-Artikel Entdecken Sie alle IBM Developer RAG-Artikel (Retrieval-Augmented Generation). Erste SchritteArchitektur Architektur für Retrieval-Augmented Generation (RAG) Entdecken Sie bewährte Architekturmuster, die die Erstellung von Technologielösungen zur Bewältigung Ihrer geschäftlichen Herausforderungen beschleunigen. Architektur erkundenLernprogramm Erstellen eines RAG-Agenten zur Beantwortung komplexer Fragen Verwenden Sie Python, LangGraph, watsonx.ai, Elasticsearch und Tavily, um ein maßgeschneidertes, modulares agentisches KI-System aufzubauen. Training beginnenLernprogramm Schnellstart: Prompting für ein Foundation Model mithilfe des Retrieval-Augmented Generation-Musters Erfahren Sie, wie Sie Foundation Models in IBM watsonx.ai verwenden, um eine faktisch genaue Ausgabe zu generieren, die auf Informationen in einer Wissensdatenbank basiert, indem Sie das Muster für Retrieval-Augmented Generation anwenden. Training beginnenEntdecken sie watsonx.aiErkunden Sie KI-LösungenKI-Services entdeckenwatsonx.ai erkundenBuchen Sie eine Live-Demo

智能索引记录