- Регистрация
- 22 Февраль 2018
- Сообщения
- 11.997
Название: Введение в RAG - dair-ai (2025)
Описание:
Introduction to RAG
dair-ai
Этот курс посвящен созданию эффективных и надежных приложений на основе Retrieval-Augmented Generation (RAG). Студенты изучат основные компоненты RAG-систем и лучшие практики их разработки. Курс также включает изучение продвинутых концепций, таких как Agentic RAG-системы. После прохождения курса студенты получат глубокое понимание работы RAG и освоят методологии, позволяющие разрабатывать передовые RAG-приложения в различных областях.
Требования к курсу
- Если вы не знакомы с продвинутыми методами написания промтов для LLM, рекомендуется сначала пройти курсы "Введение в Prompt Engineering" и "Продвинутый Prompt Engineering".
- Основной инструмент курса - Flowise AI, популярная no-code платформа для построения сложных RAG- и агентных рабочих процессов. Программирование не требуется.
- Подробные инструкции по установке и доступу к Flowise AI предоставлены в курсе.
Темы курса
На протяжении курса студенты будут работать с Flowise AI, что упростит разработку сложных агентных рабочих процессов.
Основные темы курса:
1. Введение в RAG
- Основные принципы Retrieval-Augmented Generation
- Преимущества RAG по сравнению с традиционными методами генерации
- Основные области применения
2. Архитектура RAG
- Техническое устройство RAG-систем
- Методы разбиения данных (chunking)
- Встроенные модели (embedding models)
- Векторные базы данных и семантический поиск
- Взаимодействие между извлекающей (retriever) и генерирующей (generator) частями RAG
3. Создание простых RAG-систем
- Практическое построение первой RAG-системы
- Разработка персонализированного тьютора с использованием RAG
4. Разработка RAG-чат-ассистента
- Применение RAG в чат-ботах - один из самых востребованных сценариев в бизнесе
- Создание онлайн-чат-ассистента для клиентской поддержки
- Настройка хранилища документов и интеграция с RAG
- Методы улучшения качества поиска, такие как расширение запросов (query expansion)
5. Продвинутый RAG
- Внедрение улучшенных техник промтинга- Tool calling
- Chain-of-Thought prompting (CoT)
- Prompt chaining
- Разработка сложного RAG-приложения, объединяющего ключевые концепции работы с LLM
6. Агентные RAG-системы (Agentic RAG)
- Современный подход к интеграции AI-агентов в RAG-системы
- Использование функциональных вызовов (function calling) для расширения возможностей RAG
- Разработка Agent RAG-приложения, взаимодействующего с внешними инструментами:- Калькулятор
- Инструмент логического рассуждения
- Цепочка вызовов LLM
7. Развертывание RAG-приложений
- Создание онлайн-приложения с возможностью обмена
- Лучшие практики для улучшения производительности RAG
Кому будет полезен этот курс
Этот курс подходит для специалистов, работающих в области искусственного интеллекта, аналитики данных, автоматизации бизнес-процессов, клиентской поддержки, исследований и программирования, а также для всех, кто хочет освоить Retrieval-Augmented Generation.
Компании, чьи сотрудники прошли наши курсы
Среди участников обучения сотрудники таких компаний, как: Google, OpenAI, Microsoft, Meta, JPMorgan Chase & Co, Amazon, Salesforce, Airbnb, Apple, Intel, Khan Academy, Oracle, LinkedIn, Walmart, Fidelity Investments и многие другие.
После завершения курса студенты смогут разрабатывать и внедрять RAG-приложения, способные эффективно комбинировать поиск информации и генерацию ответов для различных бизнес-задач.
Материал на английском языке
Подробнее:
Скачать:
Описание:
Introduction to RAG
dair-ai
Этот курс посвящен созданию эффективных и надежных приложений на основе Retrieval-Augmented Generation (RAG). Студенты изучат основные компоненты RAG-систем и лучшие практики их разработки. Курс также включает изучение продвинутых концепций, таких как Agentic RAG-системы. После прохождения курса студенты получат глубокое понимание работы RAG и освоят методологии, позволяющие разрабатывать передовые RAG-приложения в различных областях.
Требования к курсу
- Если вы не знакомы с продвинутыми методами написания промтов для LLM, рекомендуется сначала пройти курсы "Введение в Prompt Engineering" и "Продвинутый Prompt Engineering".
- Основной инструмент курса - Flowise AI, популярная no-code платформа для построения сложных RAG- и агентных рабочих процессов. Программирование не требуется.
- Подробные инструкции по установке и доступу к Flowise AI предоставлены в курсе.
Темы курса
На протяжении курса студенты будут работать с Flowise AI, что упростит разработку сложных агентных рабочих процессов.
Основные темы курса:
1. Введение в RAG
- Основные принципы Retrieval-Augmented Generation
- Преимущества RAG по сравнению с традиционными методами генерации
- Основные области применения
2. Архитектура RAG
- Техническое устройство RAG-систем
- Методы разбиения данных (chunking)
- Встроенные модели (embedding models)
- Векторные базы данных и семантический поиск
- Взаимодействие между извлекающей (retriever) и генерирующей (generator) частями RAG
3. Создание простых RAG-систем
- Практическое построение первой RAG-системы
- Разработка персонализированного тьютора с использованием RAG
4. Разработка RAG-чат-ассистента
- Применение RAG в чат-ботах - один из самых востребованных сценариев в бизнесе
- Создание онлайн-чат-ассистента для клиентской поддержки
- Настройка хранилища документов и интеграция с RAG
- Методы улучшения качества поиска, такие как расширение запросов (query expansion)
5. Продвинутый RAG
- Внедрение улучшенных техник промтинга- Tool calling
- Chain-of-Thought prompting (CoT)
- Prompt chaining
- Разработка сложного RAG-приложения, объединяющего ключевые концепции работы с LLM
6. Агентные RAG-системы (Agentic RAG)
- Современный подход к интеграции AI-агентов в RAG-системы
- Использование функциональных вызовов (function calling) для расширения возможностей RAG
- Разработка Agent RAG-приложения, взаимодействующего с внешними инструментами:- Калькулятор
- Инструмент логического рассуждения
- Цепочка вызовов LLM
7. Развертывание RAG-приложений
- Создание онлайн-приложения с возможностью обмена
- Лучшие практики для улучшения производительности RAG
Кому будет полезен этот курс
Этот курс подходит для специалистов, работающих в области искусственного интеллекта, аналитики данных, автоматизации бизнес-процессов, клиентской поддержки, исследований и программирования, а также для всех, кто хочет освоить Retrieval-Augmented Generation.
Компании, чьи сотрудники прошли наши курсы
Среди участников обучения сотрудники таких компаний, как: Google, OpenAI, Microsoft, Meta, JPMorgan Chase & Co, Amazon, Salesforce, Airbnb, Apple, Intel, Khan Academy, Oracle, LinkedIn, Walmart, Fidelity Investments и многие другие.
После завершения курса студенты смогут разрабатывать и внедрять RAG-приложения, способные эффективно комбинировать поиск информации и генерацию ответов для различных бизнес-задач.
Материал на английском языке
Подробнее:
Для просмотра содержимого вам необходимо авторизоваться.
Скачать:
Скрытое содержимое могут видеть только члены группы Премиум.
Скрытый контент для пользователей All-dar.