Ogłaszamy nowy kurs na Coursera: Generacja Wzbogacona Odbiorem (RAG) Nauczysz się budować systemy RAG o wysokiej wydajności, gotowe do produkcji, w tym praktycznym, szczegółowym kursie stworzonym i prowadzonym przez @ZainHasan6, doświadczonego inżyniera AI i ML, badacza oraz nauczyciela. RAG jest dziś kluczowym elementem wielu aplikacji opartych na LLM w obsłudze klienta, wewnętrznych systemach Q&A w firmach, a nawet w wielu wiodących chatbotach, które wykorzystują wyszukiwanie w sieci do odpowiadania na Twoje pytania. Ten kurs nauczy Cię szczegółowo, jak sprawić, aby RAG działał dobrze. LLM mogą generować ogólne lub przestarzałe odpowiedzi, szczególnie gdy są zadawane specjalistyczne pytania, które nie są objęte danymi treningowymi. RAG jest najczęściej stosowaną techniką do rozwiązania tego problemu. Wprowadza dane z nowych źródeł, takich jak dokumenty wewnętrzne czy aktualne wiadomości, aby dostarczyć LLM odpowiedni kontekst do prywatnych, niedawnych lub specjalistycznych informacji. Dzięki temu może generować bardziej ugruntowane i dokładne odpowiedzi. W tym kursie nauczysz się projektować i wdrażać każdą część systemu RAG, od retrieverów po bazy danych wektorowych, generację i ewaluacje. Dowiesz się o podstawowych zasadach stojących za RAG i jak optymalizować go zarówno na poziomie komponentów, jak i całego systemu. W miarę jak AI się rozwija, RAG również się rozwija. Nowe modele mogą obsługiwać dłuższe okna kontekstowe, skuteczniej rozumować i mogą być częścią złożonych agentowych przepływów pracy. Jednym z ekscytujących obszarów wzrostu jest Agentic RAG, w którym agent AI w czasie rzeczywistym (zamiast być zakodowanym w czasie rozwoju) autonomicznie decyduje, jakie dane pobrać i kiedy/jak zagłębić się w temat. Nawet przy tej ewolucji dostęp do wysokiej jakości danych w czasie rzeczywistym jest niezbędny, dlatego RAG jest kluczowym elementem tak wielu aplikacji. Nauczysz się poprzez praktyczne doświadczenia: - Budować system RAG z odbiorem i wzbogaceniem podpowiedzi - Porównywać metody odbioru, takie jak BM25, wyszukiwanie semantyczne i Reciprocal Rank Fusion - Dzielić, indeksować i pobierać dokumenty za pomocą bazy danych wektorowej Weaviate i zestawu danych wiadomości - Rozwijać chatbota, korzystając z otwartych LLM hostowanych przez Together AI, dla fikcyjnego sklepu, który odpowiada na pytania dotyczące produktów i FAQ - Używać ewaluacji do poprawy niezawodności i włączać dane multimodalne RAG jest ważną techniką podstawową. Stań się w tym dobry dzięki temu kursowi! Zarejestruj się tutaj: