Курс посвящён практическому и теоретическому изучению Retrieval-Augmented Generation (RAG). Вы узнаете не только «как», но и «почему» работают эти методы, а также научитесь создавать надёжные приложения формата «чат с документами» с использованием современных LLM и продвинутых техник RAG.
В программе - построение базового пайплайна, переход к продвинутым стратегиям вроде re-ranking и расширения запросов, работа как с коммерческими, так и с локальными моделями. Курс сочетает теорию с практическим программированием на Python и использованием инструментов LangChain и Streamlit.
Курс подойдёт разработчикам, основателям SaaS-продуктов и руководителям, которым важно уметь быстро извлекать ценность из больших массивов текстовой информации. По итогам обучения вы получите собственный работающий RAG-пайплайн и понимание подходов, позволяющих выводить приложения на новый уровень производительности.
Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум
Привет! Я Мухаммад - эксперт в области искусственного интеллекта и машинного обучения, PhD, более 8 лет руковожу ML-командами в стартапах. Являюсь Google Developer Expert по ML/AI. В своих материалах делюсь знаниями и опытом без лишнего «шума» и «хайпа».
Jason Liu
Бонусная часть курса предоставляет участникам доступ к дополнительным материалам из предыдущих когорт, включая воркшопы, гостевые лекции и сессии «вопрос–ответ». Это ценный источник практических кейсов, передового опыта и глубоких технических разборов.
Jason Liu
Перестаньте строить RAG‑системы, которые блестят на демо, но терпят неудачу в продакшене. За шесть недель вы освоите системный, data‑driven подход - от синтетической оценки до интеллектуального маршрутизации запросов - и превратите прототип в «mission‑critical» решение.
Этот практический интенсив даст вам все необходимые навыки для создания полноценно работающего продвинутого продукта на базе больших языковых моделей (LLM) - от выбора идеи до её развёртывания в продакшене.
Mckay Wrigley (takeoff)
Изучите ключевые принципы разработки Retrieval-Augmented Generation (RAG) систем и применение передовых методов поиска для улучшения работы искусственного интеллекта. В рамках курса вы освоите интеграцию RAG в AI-приложения, оптимизацию процессов поиска информации и генерации ответов, а также научитесь применять передовые технологии машинного обучения для повышения точности и эффективности работы интеллектуальных систем.
Andreas Kretz
Retrieval-Augmented Generation (RAG) - это следующий практический шаг после семантического поиска и индексации. В этом курсе вы создадите полноценный локальный RAG-конвейер, который обрабатывает PDF-файлы, разбивает тексты на фрагменты, сохраняет векторы в Elasticsearch, извлекает релевантный контекст и генерирует обоснованные ответы с помощью модели Mistral, запущенной локально через Ollama.Мы пройдём путь от начала до конца на конкретном сценар
