Введение в RAG

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.