LLMs for Advanced Question-Answering over Tabular/CSV/SQL Data (Building Advanced RAG, Part 2)

Автор: LlamaIndex

Загружено: 2024-02-10

Просмотров: 65329

Описание:

In the second video of this series we show you how to compose an simple-to-advanced query pipeline over tabular data. This includes using LLMs to infer both Pandas operations and SQL queries. This also includes pulling in RAG concepts for advanced capabilities, such as few-shot table and row selection over multiple tables.

LlamaIndex Query Pipelines makes it possible to express these complex pipeline DAGs in a concise, readable, and visual manner. It's very easy to add few-shot examples, link prompts, LLMs, custom functions, retrievers, and more.

Colab notebook used in this video: https://colab.research.google.com/dri...

This presentation was taken from our documentation guides - check them out 👇

Text-to-SQL: https://docs.llamaindex.ai/en/stable/...

Text-to-Pandas: https://docs.llamaindex.ai/en/stable/...

Timeline:
00:00-06:18 - Intro
6:18-12:13 - Text-to-Pandas (Basic)
12:13-27:05 - Query-Time Table Retrieval for Advanced Text-to-SQL
27:05 - Query-Time Row Retrieval for Advanced Text-to-SQL

LLMs for Advanced Question-Answering over Tabular/CSV/SQL Data (Building Advanced RAG, Part 2)

Доступные форматы для скачивания:

Скачать видео mp4

Информация по загрузке:

Скачать аудио mp3

Похожие видео

Introduction to Query Pipelines (Building Advanced RAG, Part 1)

Introduction to Query Pipelines (Building Advanced RAG, Part 1)

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

Text2SQL: The Dream versus Reality - Laurel Orr | Stanford MLSys #89

Text2SQL: The Dream versus Reality - Laurel Orr | Stanford MLSys #89

Превратите ЛЮБОЙ файл в знания LLM за СЕКУНДЫ

Превратите ЛЮБОЙ файл в знания LLM за СЕКУНДЫ

Что такое индексы? Какие есть виды индексов?

Что такое индексы? Какие есть виды индексов?

Building Production RAG Over Complex Documents

Building Production RAG Over Complex Documents

Agentic GraphRAG: Simplifying Retrieval Across Structured & Unstructured Data — Zach Blumenfeld

Agentic GraphRAG: Simplifying Retrieval Across Structured & Unstructured Data — Zach Blumenfeld

Document Agents for Finance Automate Document Data with AI

Document Agents for Finance Automate Document Data with AI

«Я хочу, чтобы Llama3 работала в 10 раз лучше, используя мои личные знания» — Local Agentic RAG с...

«Я хочу, чтобы Llama3 работала в 10 раз лучше, используя мои личные знания» — Local Agentic RAG с...

Скрытые проблемы MLCC: DC-Bias и Трещины

Скрытые проблемы MLCC: DC-Bias и Трещины

Chat with SQL and Tabular Databases using LLM Agents (DON'T USE RAG!)

Chat with SQL and Tabular Databases using LLM Agents (DON'T USE RAG!)

Kubernetes — Простым Языком на Понятном Примере

Kubernetes — Простым Языком на Понятном Примере

LangGraph — SQL Agent — позвольте LLM взаимодействовать с вашей базой данных SQL

LangGraph — SQL Agent — позвольте LLM взаимодействовать с вашей базой данных SQL

GEMINI 3 от GOOGLE САМЫЙ ДОЛГОЖДАННЫЙ ВЫПУСК ГОДА

GEMINI 3 от GOOGLE САМЫЙ ДОЛГОЖДАННЫЙ ВЫПУСК ГОДА

Что такое Rest API (http)? Soap? GraphQL? Websockets? RPC (gRPC, tRPC). Клиент - сервер. Вся теория

Что такое Rest API (http)? Soap? GraphQL? Websockets? RPC (gRPC, tRPC). Клиент - сервер. Вся теория

How does a Vector Database work?

How does a Vector Database work?

Advanced RAG with LlamaIndex - Metadata Extraction [2025]

Advanced RAG with LlamaIndex - Metadata Extraction [2025]

RAG Explained For Beginners

RAG Explained For Beginners

Power Query: преимущества и пример использования

Power Query: преимущества и пример использования

Build Agents from Scratch (Building Advanced RAG, Part 3)

Build Agents from Scratch (Building Advanced RAG, Part 3)