Anunciando um novo curso na Coursera: Geração Aumentada por Recuperação (RAG) Você aprenderá a construir sistemas RAG de alto desempenho e prontos para produção neste curso prático e aprofundado criado e ministrado por @ZainHasan6, engenheiro de IA e ML experiente, pesquisador e educador. O RAG é um componente crítico hoje em muitas aplicações baseadas em LLM em suporte ao cliente, sistemas internos de perguntas e respostas da empresa, até mesmo muitos dos principais chatbots que usam busca na web para responder às suas perguntas. Este curso ensina em profundidade como fazer o RAG funcionar bem. Os LLMs podem produzir respostas genéricas ou desatualizadas, especialmente quando questionados sobre perguntas especializadas que não estão cobertas em seus dados de treinamento. O RAG é a técnica mais amplamente utilizada para abordar isso. Ele traz dados de novas fontes de dados, como documentos internos ou notícias recentes, para fornecer ao LLM o contexto relevante para informações privadas, recentes ou especializadas. Isso permite que ele gere respostas mais fundamentadas e precisas. Neste curso, você aprenderá a projetar e implementar cada parte de um sistema RAG, desde recuperadores até bancos de dados vetoriais, geração e avaliações. Você aprenderá sobre os princípios fundamentais por trás do RAG e como otimizá-lo tanto a nível de componente quanto a nível de sistema completo. À medida que a IA evolui, o RAG também está evoluindo. Novos modelos podem lidar com janelas de contexto mais longas, raciocinar de forma mais eficaz e podem ser partes de fluxos de trabalho complexos e agentes. Uma área de crescimento empolgante é o RAG Agente, no qual um agente de IA em tempo de execução (em vez de ser codificado em tempo de desenvolvimento) decide autonomamente quais dados recuperar e quando/como aprofundar. Mesmo com essa evolução, o acesso a dados de alta qualidade em tempo de execução é essencial, razão pela qual o RAG é uma parte chave de tantas aplicações. Você aprenderá por meio de experiências práticas a: - Construir um sistema RAG com recuperação e aumento de prompt - Comparar métodos de recuperação como BM25, busca semântica e Fusão de Classificação Recíproca - Dividir, indexar e recuperar documentos usando um banco de dados vetorial Weaviate e um conjunto de dados de notícias - Desenvolver um chatbot, usando LLMs de código aberto hospedados pela Together AI, para uma loja fictícia que responde a perguntas sobre produtos e FAQs - Usar avaliações para impulsionar a melhoria da confiabilidade e incorporar dados multimodais O RAG é uma técnica fundamental importante. Torne-se bom nisso através deste curso! Por favor, inscreva-se aqui: