完成专业学习需要多长时间？

<text variant="body1">每周学习 3-4 个小时，您可以在 3 周内完成本课程和指导项目。如果您每周能够投入更多的时间，则可以更快地完成课程！

完成本课程后，我可以担任哪些职务？

本课程是 LLMs 生成人工智能工程专项课程的一部分。完成本课程和指导项目后，您将掌握实践技能，并有信心胜任人工智能工程师、NLP 工程师、机器学习工程师、深度学习工程师、数据科学家或寻求与 LLMs 合作的软件开发人员等工作。

我需要什么特定的软件或工具才能顺利完成课程吗？

<text variant="body1">只需使用现代网络浏览器即可完成本课程和所有动手实验。您将免费获得完成实验所需的云环境 Accessibility。

我什么时候能看到讲座和作业？

要获得课程资料、作业和证书，您需要在注册课程时购买证书体验。您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。

订阅此证书能得到什么？

注册课程后，您就可以访问证书中的所有课程，并在完成作业后获得证书。您的电子证书将被添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。

项目使用 RAG 和 LangChain 的生成式 AI 应用程序

通过 Coursera Plus 提高技能，仅需 239 美元/年（原价 399 美元）。立即节省

项目使用 RAG 和 LangChain 的生成式 AI 应用程序

Q: 我什么时候能看到讲座和作业？

要获得课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。

本课程是多个项目的一部分。

位教师：Kang Wang另外 1 个

25,084 人已注册

包含在中

3个模块

深入了解一个主题并学习基础知识。

224 条评论

中级等级

推荐体验

灵活的计划

9 小时完成

自行安排学习进度

94%

大多数学生喜欢此课程

3个模块

深入了解一个主题并学习基础知识。

224 条评论

中级等级

推荐体验

灵活的计划

9 小时完成

自行安排学习进度

94%

大多数学生喜欢此课程

您将学到什么

获得构建自己的真实世界生成式 AI 应用程序的实践经验，以便在面试中进行展示
创建并配置一个 Vector 数据库来存储文档 Embedding，并开发一个检索器来根据用户 Query 获取相关片段
为用户交互设置一个简单的 Gradio Interface，并使用 LangChain 和大语言模型 (LLM) 建立一个问题解答机器人

您将获得的技能

类别：LLM Application
类别：Natural Language Processing
类别：Embeddings
类别：User Interface (UI)
类别：Retrieval-Augmented Generation

您将学习的工具

类别：Prompt Engineering
类别：Generative AI
类别：Vector Databases

要了解的详细信息

可分享的证书

添加到您的领英档案

作业

7 任务¹

AI 评分请参见免责声明

授课语言：英语（English）

积累特定领域的专业知识

此课程作为的一部分提供

在注册此课程时，您还需要选择一个特定的合作项目。

向行业专家学习新概念
获得对主题或工具的基础理解
通过实践项目培养工作相关技能
获得可共享的职业证书

该课程共有3个模块

准备好将您的 AI 工程生成技能付诸实践！在这个实践指导项目中，您将应用在本课程前几门课程中获得的知识和技术，构建自己真实世界中的生成式 AI 应用程序。您将从填补关键知识空白开始，例如使用 LangChain 的文档加载器从各种来源摄取文档。然后，您将探索并应用文本分割策略来提高模型的响应速度，并使用 IBM watsonx 嵌入文档。这些嵌入将存储在一个向量数据库中，您将把该数据库连接到 LangChain，以开发一个有效的文档检索器。随着项目的进展，您将实施检索增强生成（RAG）以提高检索准确性，构建一个问题解答机器人，并为交互式模型响应构建一个简单的 Gradio 界面。课程结束时，您将拥有一个完整的、可用于投资组合的 AI 应用程序，该应用程序将展示您的技能，并作为您有能力设计真实世界生成式 AI 解决方案的有力证据。如果您已准备好通过实践经验提升自己的职业生涯，请立即报名，向成为一名自信的 AI 工程师迈出下一步。

在本 Modulation 中，您将探索加载、准备和结构化文档的基本技术，以便使用 LangChain 构建有效的检索增强生成（RAG）应用程序。你将学习如何使用 LangChain 的文档加载器从各种来源导入内容，应用最佳文档摄取实践，以及实施文本分割策略以增强模型的响应能力。您还将学习何时以及如何将整个文档整合到 Prompt 中，以获得最佳输出效果。通过上机实验，您将获得在实际场景中加载文档和应用文本分割技术的实践经验。

涵盖的内容

3个视频4篇阅读材料2个作业3个应用程序项目1个插件

3个视频总计17分钟

课程介绍 4分钟
从不同来源加载文件 7分钟
拆分文本以优化处理的策略 6分钟

4篇阅读材料总计14分钟

课程概览 5分钟
专项课程概述 5分钟
在 LangChain 应用程序中 Load 文档的最佳实践 3分钟
阅读：摘要和要点 1分钟

2个作业总计18分钟

实践测验：来自 LangChain 的不同文档加载器 9分钟
练习测验：文本分割器 9分钟

3个应用程序项目总计110分钟

实验室使用 LangChain 为不同来源 Load 文档 60分钟
实验室：将整篇文档放入 Prompt 并询问模型 20分钟
实验室：应用文本分割技术提高模型响应速度 30分钟

1个插件总计1分钟

完成课程的有用提示 1分钟

在本 Modulation 中，您将学习如何使用 watsonx 的嵌入模型嵌入文档，并使用向量数据库（如 Chroma DB 和 FAISS）存储这些嵌入。你将探索嵌入在 RAG 管道中的作用，配置 Vector 存储以管理这些嵌入，并使用 LangChain 对文档进行嵌入预处理。此外，您还将亲身体验 LangChain 中的高级检索器，如基于 Vector 存储的检索器、多查询检索器、自查询检索器和父文档检索器，以便高效地从文档中提取相关信息。最后，您将使用 InstructLab 比较基于 RAG 的方法和微调方法，以评估它们的权衡和适用性。

涵盖的内容

3个视频1篇阅读材料2个作业3个应用程序项目2个插件

3个视频总计12分钟

存储 Embedding 的 Vector 数据库简介 5分钟
探索 Langchain 中的高级寻回犬：第一部分 3分钟
探索兰恰恩的高级寻回犬 - 第二部分 5分钟

1篇阅读材料总计2分钟

Module 摘要：使用 LangChain 的 RAG 2分钟

2个作业总计18分钟

练习测验：嵌入文档 9分钟
实践测验：寻回犬 9分钟

3个应用程序项目总计100分钟

实验室使用 watsonx 的嵌入模型嵌入文档 30分钟
实验室创建和配置用于存储文档 Embedding 的 Vector Database 30分钟
实验室开发基于 Query 提取文档段的检索器 40分钟

2个插件总计25分钟

使用 watsonx 的嵌入模型嵌入文档 10分钟
阅读：使用 InstructLab 和 RAG 进行微调比较 15分钟

在本 Modulation 中，您将结合所学的所有组件，使用 LangChain 和 RAG 构建一个完整的生成式 AI 应用程序。您将学习如何实施 RAG 以改进信息检索，如何使用 Gradio 设置用户界面，以及如何构建一个利用 LLM 和 LangChain 回应来自 Load 文档的查询的问答机器人。通过动手实验，您将练习构建 Gradio 界面和开发自己的问答机器人。在最终项目中，您将使用 RAG 和 LangChain 构建一个 AI 应用程序。辅助材料，如小抄和词汇表，将强化您的理解，建立对实施技能的信心，并通过分级测验评估您的学习情况。在离开本 Modulation 时，您将获得一个可部署的 AI 驱动的助手，并明确提升技能的下一步。

涵盖的内容

1个视频4篇阅读材料3个作业1次同伴评审3个应用程序项目5个插件

1个视频总计4分钟

Gradio 入门 4分钟

4篇阅读材料总计8分钟

Module 总结：创建一个阅读文档的 QA 机器人 1分钟
课程总结 3分钟
祝贺和下一步行动 2分钟
课程团队的感谢 2分钟

3个作业总计48分钟

练习测验：Gradio 简介 9分钟
实践测验：构建 QA 机器人网络应用程序 9分钟
课程评分测验：项目：使用 RAG 和 LangChain 的 AI 生成应用 30分钟

1次同伴评审总计30分钟

方案 2：Peer-to-Peer 评级--最终项目提交和评估 30分钟

3个应用程序项目总计90分钟

实验室设置与模型交互的简单 Gradio Interface 30分钟
实验室：构建一个利用 LangChain 和 LLM 回答加载文档中问题的 QA 机器人 30分钟
方案 1：AI 评分 - 最终项目：提交和评估 30分钟

5个插件总计49分钟

阅读项目概述 2分钟
阅读构建一个利用 LangChain 和 LLM 回答加载文档中问题的 QA 机器人 15分钟
阅读：最终提交指南和交付成果 2分钟
小抄：项目：使用 RAG 和 LangChain 的生成式 AI 应用程序 15分钟
课程词汇：项目：使用 RAG 和 LangChain 的生成式 AI 应用程序 15分钟

获得职业证书

将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。

位教师

授课教师评分

(65个评价)

Kang Wang

3 门课程 54,782 名学生

提供方

IBM

人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.

自 2018开始学习的学生

''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'

Jennifer J.

自 2020开始学习的学生

''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'

Larry W.

自 2021开始学习的学生

''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'

Chaitanya A.

''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'

学生评论

5 stars
86.22%
4 stars
8.88%
3 stars
1.77%
2 stars
0.44%
1 star
2.66%

显示 3/224 个

已于 Feb 21, 2026审阅

One of the best courses for building a solid foundation in RAG and LLMs. THanks for giving me this opportunity to learn

已于 Mar 18, 2026审阅

It covers the subjectt and includes fantastic lab notebooks.

已于 Dec 18, 2024审阅

The best of the one of AI foundation courser, Thanks a lot, only this course give code detail material, really learned a lot, Super, Bravo!

常见问题

本课程适合对 AI 工程感兴趣的人员，包括训练、开发、Fine-tuning 和 Deployment Large Language Model (LLM)。它是已完成专项课程标题中其他课程的学习者的理想项目课程：生成 AI 工程与 LLMs》的学员的理想项目课程。

现有的和有抱负的数据科学家、AI 工程师和机器学习工程师将从完成本项目中受益匪浅。

每周学习 3-4 个小时，您可以在 3 周内完成本课程和指导项目。如果您每周能够投入更多的时间，则可以更快地完成课程！

本课程为中级课程，因此您必须具备 Python 的基本知识。熟悉 LLMs、LangChain 和 RAG 将是一个额外的优势。不过，要想从本课程中获得最大收益，我们建议您完成 IBM Generative AI Engineering with LLMs 专项课程中的所有其他课程。

¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。

项目使用 RAG 和 LangChain 的生成式 AI 应用程序

项目使用 RAG 和 LangChain 的生成式 AI 应用程序

您将学到什么

您将获得的技能

您将学习的工具

要了解的详细信息

积累特定领域的专业知识

该课程共有3个模块

使用 LangChain 的文档加载器

涵盖的内容

使用 LangChain 的 RAG

涵盖的内容

创建一个阅读文档的 QA 机器人

涵盖的内容

获得职业证书

位教师

提供方

人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.

学生评论

常见问题

本课程适合哪些学员？

完成专业学习需要多长时间？

要顺利完成本课程，我是否需要任何背景知识？