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.
Посмотреть больше
Этот материал находится в платной подписке. Оформи премиум подписку и смотри или слушай
RAG: Beyond Basics,
а также все другие курсы, прямо сейчас!
Putting Everything Together - 1st Iteration of RAG
Урок 14.00:01:13
RAG: Advanced Techniques
Урок 15.00:06:41
Improving RAG with Re-ranking for Precise Information Retrieval - Part 1
Урок 16.00:07:32
Re-Ranking with GPT-4, ColBERT, and Cohere
Урок 17.00:08:14
Improving Information Retrieval with Query Expansion using LLMs
Урок 18.00:08:02
Enhancing Search with Hypothetical Documents Embedding Technique
Урок 19.00:06:55
Enhancing Document Retrieval with Ensemble Techniques
Урок 20.00:08:25
Hierarchical Chunking - Exploring the Parent Document Retriever
Урок 21.00:12:05
From Notebook to working Scripts
Урок 22.00:05:02
Creating Streamlit UI App
Урок 23.00:04:43
Private and local Chat with PDFs
Урок 24.00:03:58
The Recap
Урок 25.00:09:31
Contextual Retrieval - Adding Context to Your Chunks
Урок 26.00:09:26
Contextual Retrieval - Implementation
Урок 27.00:13:35
Multimodal RAG - Working with Images and Tables
Автор - Prompt Engineering
Prompt Engineering
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».
Команда внимательно читает ваши комментарии и оперативно на них реагирует. Вы можете спокойно оставлять запросы на обновления или задавать любые вопросы о курсе здесь.
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.
Системный подход к совершенствованию RAG‑приложений
Systematically Improving RAG Applications
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.
Создайте свой первый продукт с LLM, Prompting и RAG
Build Your First Product with LLMs, Prompting, RAG
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.
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.