Mengumumkan kursus Coursera baru: Retrieval Augmented Generation (RAG) Anda akan belajar membangun sistem RAG berkinerja tinggi dan siap produksi dalam kursus langsung dan mendalam yang dibuat oleh dan diajarkan oleh @ZainHasan6, insinyur, peneliti, dan pendidik AI dan ML yang berpengalaman. RAG adalah komponen penting saat ini dari banyak aplikasi berbasis LLM dalam dukungan pelanggan, sistem tanya jawab internal perusahaan, bahkan banyak chatbot terkemuka yang menggunakan pencarian web untuk menjawab pertanyaan Anda. Kursus ini mengajarkan Anda secara mendalam bagaimana membuat RAG bekerja dengan baik. LLM dapat menghasilkan respons umum atau ketinggalan zaman, terutama ketika diajukan pertanyaan khusus yang tidak tercakup dalam data pelatihannya. RAG adalah teknik yang paling banyak digunakan untuk mengatasi hal ini. Ini membawa data dari sumber data baru, seperti dokumen internal atau berita terbaru, untuk memberikan konteks yang relevan kepada LLM untuk informasi pribadi, terbaru, atau khusus. Ini memungkinkannya menghasilkan respons yang lebih membumi dan akurat. Dalam kursus ini, Anda akan belajar merancang dan mengimplementasikan setiap bagian dari sistem RAG, mulai dari retriever hingga database vektor hingga generasi hingga eval. Anda akan belajar tentang prinsip-prinsip dasar di balik RAG dan cara mengoptimalkannya baik di tingkat komponen maupun seluruh sistem. Seiring berkembangnya AI, RAG juga berkembang. Model baru dapat menangani jendela konteks yang lebih panjang, bernalar dengan lebih efektif, dan dapat menjadi bagian dari alur kerja agen yang kompleks. Salah satu area pertumbuhan yang menarik adalah Agentic RAG, di mana agen AI saat runtime (alih-alih dikodekan keras pada waktu pengembangan) secara mandiri memutuskan data apa yang akan diambil, dan kapan/bagaimana cara masuk lebih dalam. Bahkan dengan evolusi ini, akses ke data berkualitas tinggi saat runtime sangat penting, itulah sebabnya RAG adalah bagian penting dari begitu banyak aplikasi. Anda akan belajar melalui pengalaman langsung untuk: - Bangun sistem RAG dengan pengambilan dan augmentasi cepat - Bandingkan metode pengambilan seperti BM25, pencarian semantik, dan Fusi Peringkat Timbal Balik - Potongan, indeks, dan ambil dokumen menggunakan database vektor Weaviate dan himpunan data berita - Kembangkan chatbot, menggunakan LLM sumber terbuka yang diselenggarakan oleh Together AI, untuk toko fiksi yang menjawab pertanyaan produk dan FAQ - Gunakan eval untuk mendorong peningkatan keandalan, dan menggabungkan data multi-moda RAG adalah teknik dasar yang penting. Jadilah ahli dalam hal itu melalui kursus ini! Silakan daftar di sini: