REST-APIs mit Django Restframework und Entwicklung eines RAG Chatbots

Seminarziel

Die Teilnehmer werden anhand eines Projektbeispiels lernen, wie eine Web-API nach modernen Standards entwickelt wird. Darüber hinaus wird gezeigt, wie ein Chatbot mit der OpenAI-API aufgebaut wird und wie dieser in ein RAG-System eingebettet wird, um externes Wissen zuverlässig abzurufen und nutzbar zu machen.

Inhalt

1.-3. Tag: Auch separat buchbar als "REST-APIs mit Django Restframework, Entwicklung eines Chatbots - Grundlagen"

• Django Grundlagen (Tag 1 - 3)
  • Einführung in Django
  • das Model-View-Controller Prinzip
  • Installation von Django und Anlegen eines Projekts
  • Datenbank Migrationen
  • die Model-API
  • Test-Daten laden
  • Test-Server starten
  • Superuser anlegen, die Admin-Oberfläche
  • Grundlagen Client-Server-Model
• Grundlagen REST und erste Schritte DRF
  • eine Einführung in REST und JSON
  • Serialisierung von ein- und ausgehenden Daten
  • CRUD (Create, Retrieve, Update, Delete)
  • URL-Design der Endpunkte
• Installation Django Restframework
  • eine erste API-View
  • Serializer, ModelSerializer
  • API-Views, generische API-Views
  • Urls und Routing
  • Entwicklung einer Event API
  • Events löschen, editieren, anlegen und anzeigen
• Ausbauen der API 
  • Dokumentation der API mit OpenAPI (Swagger UI)
  • Session-Authentication, Token-Authentication
  • Permissions
  • Validatoren
  • Logging
  • Unit- und Integrationstests
  • erste Schritte mit der OpenAI-API, Grundlagen
    
    

4.-5. Tag: Auch separat buchbar als "Chatbot mit OpenAI und Vektorsuche via ChromaDB"
Entwicklung eines anpassbaren Chatbots, der über eine Django REST API mit der OpenAI API kommuniziert. Das benötigte Wissen wird vorab vektorisiert und in ChromaDB gespeichert, sodass der Chatbot relevante Inhalte über semantische Ähnlichkeit wiederfinden kann.

• Aufbau eines Chatbots 
• Kommunikation mit GPT Modellen über die OpenAI SDK
• Integration in die API und Entwicklung von API-Endpunkten
• Embeddings Einführung
• Aufbau einer Knowledge Base in Form von Embeddings in ChromaDB
• Was ist ein RAG? 
• Retrieval relevanter Informationen über semantische Vektorsuche (RAG)