IBM RAG 和 Agentic AI 專業證書

利用 RAG 和 Agentic AI 建構真實世界的 AI。使用 AI 工具簡化自動化流程、推動創新，並更快實現職涯發展。

關於此專業課程

透過掌握生成式人工智慧 (AI) 的高階技能，在高速發展的 AI 領域提升您的職涯。本課程旨在為您提供先進的技術和工具，例如提示工程、Agents (代理)和多模態 AI 整合，使您能夠創建複雜且具有上下文感知能力的 AI 應用。

本課程將教授您高級 AI 技能，包括開發高效的檢索增強生成 (RAG) 管線、整合用於文字、圖像和音訊處理的多模態 AI，以及設計自主多智能體系統。本課程不僅能幫助您在 AI 領域取得職業發展，還能為未來在高級資料科學、深度學習和 AI 驅動的自動化等領域的職業發展奠定堅實的基礎。

您還將使用 AI 專家使用的最新工具，包括將外部工具和 API 與 AI 智能體整合、使用 LangChain 和 LangGraph 編排複雜的工作流程，以及 CrewAI、AG2、BeeAI 和模型上下文協定 (MCP) 等框架。

完成整個課程後，您將擁有專案作品集和 IBM 專業證書，充分展現您的專業技能。

本課程非常適合軟體開發人員、機器學習工程師、資料科學家以及任何擁有 Python 程式設計經驗並希望提升 AI 工程技能的人。立即報名，掌握最前端的生成式 AI 技術！

到官方網站了解本課程與上課

應用的學習專案

在本課程中，您將完成實作專案和實驗，並獲得使用生成式、檢索增強式和智能體技術建立 AI 應用程式的實務經驗。

專案

開發提示工程技術和 LangChain 提示模板
透過使用 LangChain 賦能語言學習模型 (LLM) 來建立智慧 AI 應用程式
設定 Gradio 介面以與您的模型交互
實現函數呼叫並整合外部工具以實現上下文感知響應
使用色度向量資料庫 (Chroma Vector DB) 對文字進行相似性搜尋
建立並使用您自己的資料視覺化代理

在本課程結束時，您將完成一個旨在展示您新學習的 AI 應用技能的真實世界畢業設計專案。

你將獲得的技能：

檢索增強生成 (RAG)	代理系統	OpenAI API
生成式AI	AI 編排	嵌入
代理工作流程	工具調用	多模態提示
LLM 應用	模型上下文協定(MCP)

字幕

英文

製作方

IBM

在 IBM，我們知道科技發展的速度有多快，並認識到企業和專業人士迫切需要快速培養就業所需的實務技能。作為市場領先的技術創新者，我們致力於幫助您在這個充滿活力的環境中蓬勃發展。透過IBM 技能網絡，我們在人工智慧、軟體開發、網路安全、資料科學、業務管理等領域精心設計的培訓計劃可為您提供獲得第一份工作、提升職業生涯或推動業務成功所需的基本技能。無論您是在提升自己還是團隊的技能，我們的課程、專業化和專業證書都可培養技術專長，確保您和您的組織在競爭激烈的世界中脫穎而出。

第 1 門課程開發生成式 AI 應用：入門指南

你將學到的內容有

掌握 GenAI 和 LangChain 框架的基礎知識，並專注於學習如何運用提示工程和情境學習來增強 AI 互動。
運用提示模板、鍊和代理，利用 LangChain 的模組化方法創建靈活且具有上下文感知能力的 AI 應用。
使用 Flask 開發 GenAI Web 應用，並整合 JSON 輸出解析等進階功能，以產生結構化的 AI 回應。
評估和比較不同的語言模型，為特定用例選擇最合適的模型，確保最佳效能和可靠性。

你將獲得的技能：

Prompt Engineering	生成式AI	LangChain
Flask (Web框架)	模型評估	AI工作流程
LLM 應用	自然語言處理	應用開發
軟體開發

第 2 門課程建置 RAG 應用 : 入門指南

你將學到的內容有

深入理解檢索增強生成( Retrieval-Augmented Generation，RAG）的實務應用
使用 Gradio 設計使用者友善、互動式的 RAG 應用程式介面
學習 LlamaIndex，了解它在建構 RAG 應用中的應用，以及它與 LangChain 的區別
使用 Python 中的 LangChain 和 LlamaIndex 建構 RAG 應用

你將獲得的技能：

Prompt Engineering	嵌入(Embeddings)	檢索增強生成(RAG)
向量資料庫	LLM 應用

第 3 門課程 RAG 的向量資料庫 : 介紹

你將學到的內容有

根據功能和應用場景區分向量資料庫和傳統資料庫
在 ChromaDB 中執行基本資料庫操作，包括更新、刪除和管理集合
理解並應用相似性搜尋技術（包括手動搜尋和使用 ChromaDB），並利用這些技術開發推薦系統
深入理解 RAG 的關鍵內部機制

你將獲得的技能：

資料庫	資料庫結構定義與管理	資料庫管理
資料庫系統	資料儲存技術	大型語言建模(LLM)
NoSQL	資訊管理	檢索增強生成(RAG)
生成式 AI 代理	人工智慧個性化	LLM 應用
	嵌入	人工智慧賦能
應用機器學習	生成式 AI

第 4 門課程高階 RAG 演算法結合向量資料庫和檢索器

你將學到的內容有

使用向量資料庫和進階檢索模式建立 RAG 應用
運用向量資料庫（例如 FAISS 和 Chroma DB）的核心機制，並實作 HNSW 等索引演算法
使用 LlamaIndex 和 LangChain 實現高級檢索器，以提高 LLM 響應的質量
透過整合 LangChain、FAISS 和使用 Gradio 建構的前端使用者介面，開發全面的 RAG 應用

你將獲得的技能：

使用者介面（UI）	檢索增強生成(RAG)	UI元件
嵌入	效能調校	語意網
向量資料庫	LLM 應用

第 5 門課程建構多模態生成式 AI 應用程式

你將學到的內容有

只需 3 週，即可掌握建立多模態生成式 AI 應用所需的實用技能
了解多模態 AI 的基本概念和挑戰，包括文字、語音、圖像和視訊的集成
使用 IBM Granite、Meta Llama、OpenAI Whisper、DALL·E 和 Sora 等先進模型和框架來建立多模態 AI 應用
使用 IBM watsonx.ai、Hugging Face、Flask 和 Gradio 開發多模態 AI 解決方案，包括聊天機器人和圖像/視訊生成模型

你將獲得的技能：

多模態提示	Flask（Web框架）	軟體開發
Web應用程式	APP 開發	LLM 應用
OpenAI API	Web 開發

第 6 門課程建構 AI 代理的基礎知識

你將學到的內容有

開發能夠獨立推理和執行任務的 AI 代理
實現工具調用和鍊式調用，以創建結構化的 AI 工作流程
利用內建的 LangChain 代理程式來分析資料、產生視覺化圖表並執行資料庫查詢
應用提示工程和工具呼叫的最佳實踐來提升 AI 代理的效能

你將獲得的技能：

LangChain	工具調用	人工智慧和機器學習（AI/ML）
Agentic 系統	AI 工作流程	軟體開發
LLM 應用	生成式 AI 代理

第 7 門課程基於 LangChain 和 LangGraph 的 Agentic AI

你將學到的內容有

使用 LangChain 和 LangGraph 建立支援記憶、迭代和條件邏輯的 Agentic AI 系統
使用 Reflection、Reflexion 和 ReAct 架構設計並實現自改進 Agents
應用智能體編排技術建構協作式多代理系統
實現支援查詢路由和檢索增強推理的 Agentic RAG 系統

你將獲得的技能：

LangGraph	代理( Agentic )系統	LangChain
生成式 AI 代理	生成式 AI	AI 工作流程
代理工作流程	資料科學	LLM 應用
向量資料庫	負責任的人工智慧	軟體開發
人工智慧編排	Python程式設計	檢索增強生成(RAG)
人工智慧和機器學習（AI/ML）