{"product_id":"140185","title":"Développement de RAG avec Langchain : VectorRAG et GraphRAG ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jYGWlW5Y8B7XYEZH6qj6XqDY7JIiQ.png?v=1765078610\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\n\n\u003cdiv style=\"width:95%\"\u003e\n\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e Développement de RAG avec Langchain : VectorRAG et GraphRAG \u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/145605137\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e Description \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eIntroduction au livre\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e\u003cdiv\u003e \u003cb\u003eUn exemple simple des différences entre VectorRAG et GraphRAG et de la manière de les implémenter !\u003cbr\u003e Nous vérifierons directement les différences de concepts et de performances entre OpenAI et DeepSeek par le biais d'exercices pratiques.\u003cbr\u003e\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Quelles sont les différences entre VectorRAG et GraphRAG ? Et dans quels types de données et scénarios sont-ils les plus adaptés ? « Développer des RAG avec LangChain : VectorRAG et GraphRAG » compare les concepts et les principes des deux et en fournit une explication accessible.\u003cbr\u003e Nous passerons brièvement en revue la théorie de base et apprendrons à mettre en œuvre des exemples simples à l'aide de Langchain. \u003cbr\u003eLors de la mise en œuvre de GraphRAG, nous explorerons plusieurs façons de créer et de récupérer des données dans Neo4j.\u003cbr\u003e Lors de la mise en œuvre de VectorRAG, nous explorerons et utiliserons non seulement le modèle OpenAI, mais aussi le modèle DeepSearch.\u003cbr\u003e Vous pouvez vérifier directement la différence de performance entre les deux modèles en téléchargeant localement le modèle DeepSeek et en l'exécutant en toute sécurité.\u003cbr\u003e Ce livre vous permettra d'apprendre les bases de RAG et de LLM et de découvrir leurs méthodes de mise en œuvre fondamentales.\u003cbr\u003e\n\u003c\/div\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cul\u003e\u003cli\u003e Vous pouvez consulter un aperçu du contenu du livre.\u003cbr\u003e \u003cspan\u003eAperçu\u003c\/span\u003e\n\n\u003c\/li\u003e\u003c\/ul\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eindice\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003eChapitre 1 : Comprendre les concepts de VectorRAG et GraphRAG\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 1.1 Qu'est-ce que RAG ?\u003cbr\u003e ____1.1.1 Qu'est-ce que RAG ?\u003cbr\u003e ____1.1.2 Le besoin de chiffons\u003cbr\u003e ____1.1.3 Principes fondamentaux de RAG\u003cbr\u003e ____1.1.4 Comment mettre en œuvre RAG\u003cbr\u003e 1.2 Qu'est-ce que VectorRAG ?\u003cbr\u003e ____1.2.1 Qu'est-ce qu'un vecteur ?\u003cbr\u003e ____1.2.2 Processus de traitement vectoriel\u003cbr\u003e ____1.2.3 Stockage vectoriel\u003cbr\u003e ____1.2.4 Qu'est-ce que VectorRAG ?\u003cbr\u003e ____1.2.5 Quand dois-je utiliser VectorRAG ?\u003cbr\u003e 1.3 Qu'est-ce que GraphRAG ?  \u003cbr\u003e____1.3.1 Qu'est-ce qu'un graphique ?\u003cbr\u003e ____1.3.2 GraphDB : Neo4j\u003cbr\u003e ____1.3.3 Qu'est-ce que GraphRAG ?\u003cbr\u003e ____1.3.4 Quand dois-je utiliser GraphRAG ?\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 2 : Comprendre les concepts et les principes d’OpenAI\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 2.1 Qu'est-ce qu'OpenAI ?\u003cbr\u003e 2.2 Modèle OpenAI\u003cbr\u003e ____2.2.1 Série GPT\u003cbr\u003e ____2.2.2 ChatGPT\u003cbr\u003e ____2.2.3 Série DALL·E\u003cbr\u003e ____2.2.4 Murmure\u003cbr\u003e ____2.2.5 Sora\u003cbr\u003e ____2.2.6 Intégration\u003cbr\u003e 2.3 Principes de ChatGPT\u003cbr\u003e ____2.3.1 Qu'est-ce qu'un transformateur ?\u003cbr\u003e ____2.3.2 Pourquoi les Transformers sont apparus\u003cbr\u003e 2.4 Modèle d'inférence OpenAI : o3-mini\u003cbr\u003e ____2.4.1 Questions nécessitant une inférence\u003cbr\u003e ____2.4.2 Questions avec une réponse claire\u003cbr\u003e 2.5 Considérations relatives à l'utilisation des modèles OpenAI\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 3 : Comprendre les concepts et les principes de DeepSeek\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 3.1 Qu'est-ce que DeepSeek ?\u003cbr\u003e 3.2 Contexte de l'émergence de DeepSeek\u003cbr\u003e 3.3 Principes de DeepSeek-R1\u003cbr\u003e Modèle 3.4 DeepSeek\u003cbr\u003e 3.5 Considérations relatives à l'utilisation des modèles DeepSeek\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 4 : Préparation de l'environnement de pratique\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 4.1 Installation et configuration d'Anaconda\u003cbr\u003e ____4.1.1 Installation d'Anaconda\u003cbr\u003e ____4.1.2 Configuration de l'environnement virtuel Anaconda\u003cbr\u003e 4.2 Préparation d'une clé API\u003cbr\u003e 4.3 Préparation du modèle DeepSeek\u003cbr\u003e 4.4 Installation et configuration de Neo4j  \u003cbr\u003e____4.4.1 Installation de Neo4j\u003cbr\u003e ____4.4.2 Apprendre à utiliser Neo4j\u003cbr\u003e ____4.4.3 Utilisation de Cypher dans Neo4j\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 5 : Exercices pratiques sur VectorRAG : Utilisation de l’API OpenAI\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 5.1 Recherche de données automobiles\u003cbr\u003e 5.2 Recherche de données Web\u003cbr\u003e 5.3 Récupération des données sur les plantes succulentes à partir d'un PDF\u003cbr\u003e 5.4 Utilisation de la mémoire de Langchain\u003cbr\u003e 5.5 Récupération et recherche de données dans plusieurs fichiers\u003cbr\u003e 5.6 Comparaison de Langchain et RamaIndex\u003cbr\u003e 5.7 Étuis non compatibles avec VectorRAG\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 6 : Exercices pratiques sur VectorRAG : Utilisation du modèle DeepSeek\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 6.1 Recherche de données sur les véhicules\u003cbr\u003e 6.2 Recherche de données Web\u003cbr\u003e 6.3 Récupération de données sur les plantes succulentes à partir d'un PDF\u003cbr\u003e 6.4 Utilisation de la mémoire de Langchain\u003cbr\u003e 6.5 Récupération et recherche de données dans plusieurs fichiers\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 7 : Exercices GraphRAG\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 7.1 Utilisation des graphes dans les chaînes de Lang\u003cbr\u003e 7.2 Recherche de données sur le football\u003cbr\u003e ____7.2.1 Génération de données de football\u003cbr\u003e ____7.2.2 Récupération des données de football\u003cbr\u003e 7.3 Importation et recherche de fichiers PDF\u003cbr\u003e 7.4 Recherche de données cinématographiques\u003cbr\u003e ____7.4.1 Génération de données de film  \u003cbr\u003e____7.4.2 Recherche de données cinématographiques\u003cbr\u003e 7.5 Recherche de données automobiles\u003cbr\u003e ____7.5.1 Création des données du véhicule\u003cbr\u003e ____7.5.2 Recherche de données automobiles\u003cbr\u003e 7.6 Recherche de données de santé\u003cbr\u003e ____7.6.1 Création de données de santé\u003cbr\u003e ____7.6.2 Recherche de données de santé\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 8 : Comparaison de Copilot et GraphRAG et impact social de RAG\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 8.1 Comparaison de la recherche basée sur les graphes avec GraphRAG dans Copilot\u003cbr\u003e 8.1.1 Recherches utilisées dans Copilot\u003cbr\u003e ____8.1.2 Comparaison des recherches RAG et Copilot classiques\u003cbr\u003e 8.2 Après le paradigme RAG : quelle est la prochaine étape ?\u003cbr\u003e 8.2.1 Limites et orientations futures de RAG\u003cbr\u003e 8.2.2 Agents d'IA et apprentissage par renforcement\u003cbr\u003e 8.3 Impact social du RAG\u003cbr\u003e ____8.3.1 Questions de confiance et de transparence\u003cbr\u003e 8.3.2 Considérations éthiques relatives à l’IA\u003cbr\u003e ____8.3.3 Questions de politique et de réglementation\u003cbr\u003e 8.4 Changements dans la vie humaine\u003cbr\u003e 8.4.1 Changements dans le travail\u003cbr\u003e ____8.4.2 Changements dans la vie personnelle\u003cbr\u003e\u003cbr\u003e Recherche\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eImage détaillée\u003c\/b\u003e \u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cdiv\u003e\u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate5278\/MidCate1\/527709805.jpg\" border=\"0\" alt=\"Image détaillée 1\"\u003e\u003c\/div\u003e\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eAvis de l'éditeur\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003eSimple, axé sur les concepts et principes fondamentaux !\u003c\/b\u003e  \u003cbr\u003eIntroduction à RAG par la mise en œuvre d'exemples de base !\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCe livre traite des sujets suivants : VectorRAG et GraphRAG\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Au cœur de la technologie liée au LLM se trouve RAG. RAG peut être divisé en VectorRAG et GraphRAG, selon la nature des données.\u003cbr\u003e Ce livre compare et explique les concepts et les principes de VectorRAG et GraphRAG, qui sont similaires mais différents, notamment le concept de RAG.\u003cbr\u003e Nous examinerons les scénarios et les données dans lesquels la méthode VectorRAG, une méthode RAG courante utilisée par le passé, et la méthode GraphRAG, qui peut identifier et utiliser les relations entre les données, peuvent être utilisées, et nous apprendrons également des méthodes d'implémentation utilisant LangChain.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCe livre traite des sujets suivants : OpenAI et DeepSeek\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Avant d'aborder l'implémentation avec Langchain, nous examinerons les modèles principalement utilisés dans RAG. Cet ouvrage présente brièvement les principes et le contexte du modèle OpenAI, du modèle d'inférence et du modèle open source DeepSeek. \u003cbr\u003eEnsuite, nous utiliserons respectivement le modèle OpenAI et le modèle DeepSeek dans le même code LangChain qui a implémenté VectorRAG.\u003cbr\u003e Cela nous permet de comparer concrètement les différences de performance entre les deux modèles.\u003cbr\u003e Les modèles DeepSeek sont téléchargés et exécutés localement via Ollama pour une utilisation en toute sécurité.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eScénario pratique de ce livre : la mise en œuvre d’un exemple de base.\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Mettons en œuvre RAG à l'aide de Langchain dans différents scénarios.\u003cbr\u003e Les exemples sont faciles à suivre et sont les plus basiques et les plus faciles à comprendre, vous permettant de saisir les différences entre les modèles OpenAI et DeepSeek, et entre VectorRAG et GraphRAG.\u003cbr\u003e Enfin, puisque Copilot utilise également la recherche vectorielle et la recherche graphique, comparons brièvement les différences entre les méthodes de recherche utilisées dans Copilot et VectorRAG et GraphRAG.\u003cbr\u003e\u003cbr\u003e \u003cb\u003e[Exemple VectorRAG]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e ㆍ Recherche de données automobiles\u003cbr\u003e ㆍ Recherche de données Web \u003cbr\u003e• Recherche de données dans un fichier PDF\u003cbr\u003e ㆍUtilisation de la mémoire Langchain\u003cbr\u003e Récupérer et rechercher des données dans plusieurs fichiers\u003cbr\u003e\u003cbr\u003e \u003cb\u003e[Exemple GraphRAG]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e • Recherche de données sur le football\u003cbr\u003e Charger les fichiers PDF et effectuer une recherche\u003cbr\u003e ㆍ Rechercher des données de film\u003cbr\u003e ㆍ Recherche de données automobiles\u003cbr\u003e • Rechercher des données de santé\u003cbr\u003e\u003cbr\u003e \u003cb\u003e[Préface de l'auteur]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Ce livre est destiné à :\u003cbr\u003e\u003cbr\u003e ㆍ Les personnes qui souhaitent connaître la différence entre VectorRAG et GraphRAG\u003cbr\u003e ㆍ Développeurs souhaitant savoir comment implémenter VectorRAG et GraphRAG\u003cbr\u003e ㆍ Les personnes qui souhaitent connaître la différence entre OpenAI et DeepSeek\u003cbr\u003e ㆍ Les personnes qui souhaitent vérifier la différence de performance entre OpenAI et DeepSeek\u003cbr\u003e\u003cbr\u003e Quel que soit le développement des technologies basées sur LLM, on peut dire que RAG en est le concept fondamental qui leur sert de base.\u003cbr\u003e En particulier, VectorRAG et GraphRAG jouent un rôle important dans RAG.\u003cbr\u003e Si vous comprenez ce concept, vous pourrez suivre sans difficulté les différentes technologies qui apparaîtront par la suite. \u003cbr\u003eJ'espère que ce livre contribuera à jeter les bases de cette fondation. \u003cbr\u003e\n\n\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e SPÉCIFICATIONS DES PRODUITS \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eDate d'émission :\u003c\/strong\u003e 25 avril 2025\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eNombre de pages, poids, dimensions :\u003c\/strong\u003e 312 pages | 183 × 235 × 13 mm\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN13 :\u003c\/strong\u003e 9791140713240 \u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cspan\u003e\u003c\/span\u003e\n\n\u003c\/center\u003e\n\n\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43893403713578,"sku":"140185","price":39.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/54191e1a6aa4f97dd97cf1eb87087cac.jpg?v=1765400533","url":"https:\/\/librairie.coreenne.fr\/products\/140185","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}