Генеративный ИИ сегодня повсюду, но лишь немногие понимают фундаментальные концепции, на которых он держится. «Скрытый фундамент GenAI» - это отправная точка для тех, кто хочет по-настоящему разобраться, что стоит за LLM, векторным поиском и семантическим пониманием. Курс специально создан для инженеров данных и фокусируется на эмбеддингах - одном из важнейших (и самых неправильно трактуемых) строительных блоков любой GenAI-системы.
Вместо перегруженной математической теории мы дадим практическое понимание: как текст преобразуется в векторы, как рассчитывается схожесть и как это лежит в основе сценариев вроде семантического поиска и Retrieval-Augmented Generation (RAG). Вы будете работать с интерактивной Embedding Playground, разбирать примеры на Python и получите уверенность, чтобы использовать векторный поиск в собственных проектах.
Этот курс открывает серию занятий по GenAI в Академии. В следующих модулях вы продолжите изучение семантического поиска, векторных баз данных и завершите путь полноценным проектом - реализацией GenAI-пайплайна с RAG.
Что вас ждёт в курсе:
Чёткое и практичное введение в эмбеддинги без лишней терминологии.
Работа с Embedding Playground и понимание механики схожести текстов.
Пошаговый разбор преобразования текста в векторы и роли моделей эмбеддингов.
Практика в Python: косинусное сходство, различие структурной и семантической схожести.
Реальные аспекты: токены, стоимость запросов к LLM API и влияние этого на production-нагрузки.
Посмотреть больше
Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум
Ограничение времени просмотра
Вы можете просматривать пробный урок только 10 минут. Получите полный доступ, чтобы смотреть без ограничений.
Я - старший инженер по данным и тренер, техноэнтузиаст и отец. Уже более десяти лет я увлечён Data Engineering. Сначала я стал инженером по данным самоучкой, а затем возглавил команду инженеров по данным в крупной компании. Когда я понял, насколько велика потребность в обучении в этой сфере, я последовал за своей страстью и основал собственную Академию Data Engineering. С тех пор я помог более чем 2 000 студентам достичь своих целей.