新しいCourseraコースの発表:Retrieval Augmented Generation(RAG) この実践的で詳細なコースでは、@ZainHasan6経験豊富なAIおよびMLエンジニア、研究者、教育者によって作成され、教えられるこの実践的で詳細なコースでは、高性能で本番環境に対応したRAGシステムの構築方法を学びます。 RAGは、今日、カスタマーサポート、社内のQ&Aシステム、さらにはWeb検索を使用して質問に答える多くの主要なチャットボットの多くのLLMベースのアプリケーションの重要なコンポーネントです。このコースでは、RAGをうまく機能させる方法を深く学びます。 LLMは、特にトレーニングデータでカバーされていない専門的な質問をされた場合に、一般的または古い回答を生成する可能性があります。RAGは、これに対処するために最も広く使用されている手法です。内部ドキュメントや最近のニュースなどの新しいデータソースからデータを取り込み、LLMにプライベート情報、最近の情報、または専門的な情報に関連するコンテキストを提供します。これにより、より接地された正確な応答を生成できます。 このコースでは、レトリーバーからベクターデータベース、生成、評価まで、RAGシステムのあらゆる部分の設計と実装を学びます。RAGの背後にある基本原則と、コンポーネントレベルとシステム全体レベルの両方でRAGを最適化する方法について学びます。 AIの進化に伴い、RAGも進化しています。新しいモデルは、より長いコンテキストウィンドウを処理し、より効果的に推論し、複雑なエージェントワークフローの一部にすることができます。エキサイティングな成長分野の1つはAgentic RAGで、AIエージェントが実行時に(開発時にハードコードされるのではなく)どのデータを取得するか、いつ/どのように深く掘り下げるかを自律的に決定します。このような進化にもかかわらず、実行時に高品質のデータにアクセスすることは不可欠であり、そのためRAGは非常に多くのアプリケーションの重要な部分を占めています。 実践的な体験を通じて、次のことを学びます。 - 検索と迅速な拡張を備えたRAGシステムの構築 - BM25、セマンティックサーチ、Reciprocal Rank Fusionなどの検索手法の比較 - Weaviateのベクターデータベースとニュースデータセットを使用したドキュメントのチャンク、インデックス作成、取得 - Together AI がホストするオープンソースの LLM を使用して、製品や FAQ の質問に答える架空のストア向けのチャットボットを開発します。 - evalを使用して信頼性を向上させ、マルチモーダルデータを組み込みます RAGは重要な基礎技術です。このコースで上手になりましょう! こちらからご登録ください。