Cursus RAG-systemen bouwen met Knowledge Graphs

Les 1 • Grondbeginselen van Knowledge Graphs

Behandelt knopen, randen, triples en ontologieën als bouwstenen van knowledge graphs.

Les 2 • Overzicht Retrieval-Augmented Generatie

Introduceert de RAG-architectuur: retriever, kennisbron en generatorcomponenten. Verbindt retrievalconcepten met de kwaliteit van taalmodellen output.

Les 3 • Gegevensrepresentatie in Graaf-RAG

Vergelijkt RDF, gelabelde eigenschappentracte en hypergrafen op geschiktheid voor RAG. Begeleidt studenten bij het kiezen van de juiste representatie voor hun domein.

Les 1 • SPARQL voor RDF-grafen

Behandelt SELECT-, CONSTRUCT- en ASK-query's tegen RDF-triple-opslag. Rust studenten uit om semantische feiten te onttrekken aan ontologiegebaseerde kennisdirectienaalden.

Les 2 • Landschap van Graafdatabases

Bekijkt native graafdatabases, multi-model-opslag en in-memory graafengines. Helpt studenten databasecapaciteiten af te stemmen op RAG-systeemvereisten.

Les 3 • Ontwerppatronen voor Graaf-Schema's

Presenteert herbruikbare schema-patronen zoals gebeurtenistracte, hiërarchieën en bipartiete grafen. Bereidt studenten voor op het ontwerpen van schema's die efficiënte RAG-retrieval ondersteunen.

Les 4 • Querytaal voor Eigenschappentracte

Leert patroonherkenning, filtering en aggregatie met een querytaal voor eigenschappentracte. Maakt direct het schrijven van feitenopvraagquery's mogelijk die in latere RAG-integratiehoofdstukken worden gebruikt.

Les 1 • Ontologie-uitlijning en Verrijking

Behandelt het uitlijnen van domeinontologieën, het importeren van openbare kennisbanken en het verrijken van graaffeiten. Vergroot de graafdekking om de retrievalherinnering in RAG-systemen te verbeteren.

Les 2 • Pijplijnen voor Informatie-Extractie

Behandelt named entity recognition, relatie-extractie en coreferentieresolutie uit tekst. Deze geëxtraheerde feiten worden het basismateriaal voor graafpopulatie.

Les 3 • Kwaliteitsborging van Grafen

Introduceert metrieken voor volledigheid, consistentie en nauwkeurigheid voor validatie van kennisdirectienaalden. Kwaliteitscontroles voorkomen hier retrievalfouten in stroomafwaartse RAG-pijplijnen.

Les 4 • Entiteitsresolutie en Deduplicatie

Behandelt recordkoppeling, fuzzy matching en canonieke samensmelting van entiteiten uit verschillende bronnen. Zorgt voor graafintegriteit voordat retrievalquery's worden uitgevoerd.

Les 1 • Grondbeginselen van Graafembedding

Legt translationele, bilineaire en neurale embeddingfamilies uit voor kennisdirectienaalden. Biedt de theoretische basis voor het kiezen van embeddings in RAG-contexten.

Les 2 • Gezamenlijke Tekst-Graaf Embeddings

Leert het gezamenlijk trainen van tekstencoders met graafstructuur om semantische en relationele ruimtes op elkaar af te stemmen. Maakt uniforme retrieval over tekstuele en graafkennisbronnen mogelijk.

Les 3 • Representatie van Knooppunten en Subgrafen

Behandelt node2vec, GraphSAGE en subgraafpooling voor het produceren van vectoren op knooppunt- en subgraafniveau. Deze vectoren dienen als retrieval-eenheden in graaf-RAG-systemen.

Les 4 • Onderhoud en Updates van Embeddings

Behandelt incrementeel her-embedden, driftdetectie en geplande vernieuwingsstrategieën. Houdt de retrievalkwaliteit stabiel naarmate de onderliggende kennisdirectienaald evolueert.

Les 1 • Retrieval op basis van Graafdoorloop

Behandelt entiteitsverankerd doorlopen, beam search over grafen en padscore voor feitenretrieval. Maakt gestructureerde multi-hop redenering mogelijk die niet beschikbaar is in platte retrievalsystemen.

Les 2 • Retrievalevaluatie en Iteratie

Introduceert precisie, recall, MRR en NDCG voor het evalueren van de kwaliteit van graafretrieval. Begeleidt iteratieve verbetering van retrievalcomponenten voordat de generator wordt geïntegreerd.

Les 3 • Querybegrip en Decompositie

Leert entiteitskoppeling, detectie van relatietypen en decompositie van multi-hop query's uit natuurlijke taal. Zet gebruikersvragen om in gestructureerde graafretrievalbewerkingen.

Les 4 • Basislijnen voor Spiderste en Dichte Retrieval

Stelt BM25 en dense passage retrieval vast als basislijnen voordat graafbewuste methoden worden geïntroduceerd. Biedt benchmarks voor het meten van verbeteringen door graafretrieval.

Les 1 • Agentische Graaf-RAG-Architecturen

Introduceert instrument-oproepende agenten die iteratief de kennisdirectienaald bevragen tijdens het genereren. Maakt dynamische, meerstapsredenering over graafkennis mogelijk tijdens de inferentiefase.

Les 2 • Assemblage van End-to-End Pijplijn

Begeleidt de assemblage van inname-, retrieval- en generatiecomponenten tot een implementeerbare pijplijn. Bereidt studenten voor op de komende hoofdstukken over systeemontwerp en optimalisatie.

Les 3 • Technieken voor Hallucinatiereductie

Behandelt toeschrijving, feitenverificatie en vertrouwensscore om niet-ondersteunde beweringen te verminderen. Zorgt dat gegenereerde antwoorden te herleiden zijn naar specifieke graaffeiten.

Les 4 • Graaf-geconditioneerde Generatie

Leert het conditioneren van taalmodellen op graafgestructureerde invoer met behulp van linearisatie en aandacht. Verbetert de feitelijke fundering verder dan standaard prompt-gebaseerde injectie.

Les 1 • Kostenbeheer en Resourceplanning

Behandelt kostmodellering voor rekenkracht, opslag en API voor graaf-RAG-infrastructuur. Maakt geïnformeerde afwegingen mogelijk tussen prestaties en operationeel budget.

Les 2 • Caching en Latentieoptimalisatie

Leert caching van queryresultaten, cachelagen voor embeddings en verzoekbatchen om de latentie te verminderen. Verbetert direct de reactietijden voor gebruikers in productie-RAG-systemen.

Les 3 • Architectuurpatronen voor Graaf-RAG

Presenteert microservice-, monolithische en gebeurtenisgestuurde architecturen voor graaf-RAG-implementaties. Begeleidt selectie op basis van teamgrootte, queryvolume en updatefrequentie.

Les 4 • Schalen van Graafdatabases

Behandelt horizontale partitionering, replicatie en leesreplicastrategieën voor grote kennisdirectienaalden. Zorgt dat de retrievelefficiëntie meeschaalt met de groeiende graafomvang en querylast.

Les 1 • Workflows voor Continue Verbetering

Presenteert regressietests, gefaseerde uitrol en modelvernieuwingscycli voor aanhoudende kwaliteit. Maakt verbetering operationeel als een herhaalbaar engineeringproces.

Les 2 • Feedbacklussen en Actief Leren

Behandelt het verzamelen van gebruikersfeedback, het ontginnen van impliciete signalen en actief leren voor graafupdates. Sluit de lus tussen productiegebruik en verbetering van de kennisdirectienaald.

Les 3 • End-to-End RAG-evaluatiekaders

Behandelt betrouwbaarheid, antwoordrelevantie, contextprecisie en recall als holistische RAG-metrieken. Biedt een compleet evaluatietoolkit die van toepassing is op graaf-RAG-pijplijnen.

Les 4 • Waarneembaarheid van Retrieval en Generatie

Introduceert gedistribueerde tracering, retrievallogging en generatieauditsporen voor RAG-systemen. Maakt root-cause-analyse van kwaliteitsregressie in productie mogelijk.