Aankondiging van een nieuwe Coursera-cursus: Retrieval Augmented Generation (RAG) Je leert hoe je hoogpresterende, productieklare RAG-systemen kunt bouwen in deze praktische, diepgaande cursus, gemaakt door en gegeven door @ZainHasan6, een ervaren AI- en ML-engineer, onderzoeker en educator. RAG is vandaag de dag een cruciaal onderdeel van veel LLM-gebaseerde toepassingen in klantenservice, interne bedrijfs Q&A-systemen, en zelfs veel van de toonaangevende chatbots die webzoekopdrachten gebruiken om je vragen te beantwoorden. Deze cursus leert je in detail hoe je RAG goed kunt laten functioneren. LLM's kunnen generieke of verouderde antwoorden produceren, vooral wanneer ze gespecialiseerde vragen krijgen die niet in hun trainingsdata zijn behandeld. RAG is de meest gebruikte techniek om dit aan te pakken. Het haalt gegevens uit nieuwe gegevensbronnen, zoals interne documenten of recente nieuwsitems, om de LLM de relevante context te geven voor privé, recente of gespecialiseerde informatie. Dit stelt het in staat om meer onderbouwde en nauwkeurige antwoorden te genereren. In deze cursus leer je elk onderdeel van een RAG-systeem te ontwerpen en implementeren, van retrievers tot vector databases tot generatie tot evaluaties. Je leert over de fundamentele principes achter RAG en hoe je het kunt optimaliseren op zowel component- als systeemniveau. Naarmate AI evolueert, evolueert RAG ook. Nieuwe modellen kunnen langere contextvensters aan, effectiever redeneren en kunnen deel uitmaken van complexe agentische workflows. Een spannend groeigebied is Agentic RAG, waarin een AI-agent tijdens runtime (in plaats van dat het hardcoded is tijdens de ontwikkeling) autonoom beslist welke gegevens te ophalen, en wanneer/hoe dieper te gaan. Zelfs met deze evolutie is toegang tot hoogwaardige gegevens tijdens runtime essentieel, wat de reden is waarom RAG een belangrijk onderdeel is van zoveel toepassingen. Je leert via praktische ervaringen om: - Een RAG-systeem te bouwen met retrieval en prompt-augmentatie - Retrievalmethoden zoals BM25, semantische zoekopdrachten en Reciprocal Rank Fusion te vergelijken - Documenten te chunkeren, indexeren en ophalen met een Weaviate vector database en een nieuws dataset - Een chatbot te ontwikkelen, met open-source LLM's gehost door Together AI, voor een fictieve winkel die product- en FAQ-vragen beantwoordt - Evaluaties te gebruiken om de betrouwbaarheid te verbeteren en multi-modale gegevens te integreren RAG is een belangrijke fundamentele techniek. Word er goed in via deze cursus! Meld je hier aan: