

RAG (Retrieval-Augmented Generation) - курсы и уроки
RAG (Retrieval-Augmented Generation, генерация с дополнением поиском) — подход, при котором перед ответом модель получает фрагменты из внешних источников: документации, базы знаний, кода или логов. Так ответы опираются на актуальные и закрытые данные, которых не было в обучении модели. Типичный конвейер выглядит так: документы режут на фрагменты (чанки), переводят в эмбеддинги, хранят в векторной базе, по запросу находят ближайшие фрагменты, переранжируют их и передают в промпт. Для хранения используют Qdrant, Pinecone, pgvector или Elasticsearch, часто вместе с классическим полнотекстовым поиском. Термин ввели исследователи Facebook AI Research в статье 2020 года.
RAG решает две главные проблемы языковых моделей: они не знают ваших данных и уверенно отвечают даже тогда, когда ответа не знают. Подход применяют в ассистентах по внутренней документации и регламентам, поддержке клиентов, поиске по коду и тикетам, юридических и медицинских справочных системах, где важно показать источник ответа. Данные можно обновлять без переобучения модели, а права доступа проверять на этапе поиска. Большинство проблем в RAG возникают не в модели, а в поиске: неудачная нарезка документов разрывает смысл, эмбеддинги плохо находят точные термины и артикулы, а в контекст попадают устаревшие версии документов. Поэтому качество измеряют отдельно для поиска и для генерации, комбинируют векторный и полнотекстовый поиск и добавляют переранжирование.
Популярное в rag
Популярные авторы и школы курсов в категории RAG
RAG в разделах
RAG: Список курсов

Осваиваем основы генеративного ИИ
Научитесь понимать принципы работы генеративного искусственного интеллекта и применять современные ИИ-модели для решения практических задач разработки. Курс охватывает фундаментальные концепции Generative AI: большие языковые модели (LLM), токенизацию, эмбеддинги, архитектуру Transformer, механизм Attention, генерацию текста и изображений, Prompt Engineering, RAG, ИИ-агентов, а также вопросы безопасности, производительности и стоимости ИИ-приложе

Создание RAG-системы с нуля: от разработки до продакшена
Agentic RAG System — практический курс по созданию полноценной RAG-системы с нуля, ориентированной на использование в реальных производственных условиях. Курс является первым этапом образовательного проекта The Mother of AI (MOAI) и охватывает весь процесс разработки: от настройки инфраструктуры и обработки данных до интеллектуального поиска, интеграции языковых моделей, мониторинга и создания AI-агентов.В течение семи недель вы разработаете собс

Подготовка к собеседованию по проектированию ИИ-систем
Курс «Подготовка к собеседованию по проектированию ИИ-систем» (Grokking the AI System Design Interview) — практическое руководство для разработчиков, ML/AI-инженеров и архитекторов, которые хотят уверенно проходить технические интервью по AI System Design, проектировать современные ИИ-системы, LLM-приложения, RAG-пайплайны, рекомендательные сервисы и автономных ИИ-агентов.О курсеВопросы по архитектуре ИИ-систем всё чаще становятся частью техни

Agentic RAG с DeepSeek-R1: интенсивный курс
Agentic RAG с DeepSeek-R1 — практический интенсивный курс по созданию агентной Retrieval-Augmented Generation системы на базе локальной LLM DeepSeek-R1. Вы пошагово соберёте рабочее приложение, в котором агенты, инструменты, задачи и RAG-компоненты взаимодействуют в едином workflow для поиска информации, рассуждения и генерации ответов.Курс ориентирован на практику: вместо абстрактной теории вы настраиваете локальную среду, запускаете DeepSeek-R1

Разработка RAG-систем, готовых к продакшену
Production RAG — это не просто разбиение документов на фрагменты, создание эмбеддингов и передача найденного контекста в промпт. В реальном приложении RAG-система должна работать с PDF, сканами, изображениями, правами доступа, метаданными, несколькими хранилищами, очередями, фоновой обработкой, гибридным поиском и AI-агентами. На этом практическом курсе вы разберёте, как проектировать RAG-конвейер, готовый к продакшену, и интегрировать его в полн

ИИ-помощник на C# — интенсив
Собери работающего ИИ-помощника на C# за 4 вечера: подключи GigaChat, разберись с промптами, эмбеддингами, RAG и Function Calling, а в конце получи готовый проект для резюме и GitHub. Все занятия доступны в записи — проходи интенсив в удобном темпе.Кому подойдёт интенсивИнтенсив будет полезен тем, кто изучает C#, хочет выделиться среди других начинающих разработчиков и добавить в портфолио современный проект с искусственным интеллектом.Ученикам к

Проектирование агентных ИИ-систем
Курс по проектированию агентных ИИ‑систем дает практическое понимание того, как создавать надежные, масштабируемые и производственные ИИ‑приложения на базе больших языковых моделей. Программа охватывает ключевые архитектурные подходы, инженерные практики и современные инструменты, необходимые для построения корпоративных интеллектуальных систем.Основы построения RAG‑системПервый модуль посвящен фундаментам Retrieval‑Augmented Generation и устройс

ИИ агенты в Enterprise (RAG)
Этот курс создан для специалистов, которые хотят эффективно внедрить ИИ‑агентов в корпоративную среду и научиться применять современные подходы RAG для работы с большими объемами знаний и документооборотом. Материал ориентирован на практику и реальные задачи бизнеса, включая экосистему 1С.Кому подойдет этот курсУ вас много неструктурированных данных, и вы хотите эффективно «подружить» их с ИИ.В компании есть база знаний, документация проектов, СЭ

AI Bootcamp: от RAG до агентов
AI Bootcamp: от RAG до агентов — это интенсивная практическая программа, которая помогает разработчикам быстро перейти от базовой работы с LLM к созданию настоящих production-ready AI‑систем.Что вы узнаете и создадите на AI BootcampКурс построен вокруг полного цикла разработки современных AI-продуктов: от RAG‑систем и агентов до тестирования и продакшн‑мониторинга. Благодаря акценту на реальные инструменты и архитектуры вы создадите рабочие AI‑мо

Основы больших языковых моделей (LLM)
Этот курс помогает новичкам быстро и на практике освоить большие языковые модели (LLM), понять их устройство, научиться запускать локально и использовать для реальных задач. О курсеКурс представляет собой пошаговое обучение работе с современными LLM — от базовой теории до создания собственного AI‑сервиса. Подходит для начинающих и не требует глубоких знаний в программировании или нейросетях.Формат: видеолекции, практические ноутбуки и заданияДлит








