Описание
Количество уроков: 171 Видео
Язык: Английский
Вес архива: 3,79 ГБ
Буткемп по AI-разработке поможет вам быстро и практично освоить Retrieval Augmented Generation (RAG) — ключевую технологию, которая делает современные AI-приложения точными, актуальными и полезными в реальных бизнес‑сценариях. Этот курс создан для тех, кто хочет научиться создавать продвинутые решения на базе LLM: от интеллектуальных чат-ботов до аналитических систем и корпоративных ассистентов.
Что делает RAG незаменимым
Большинство AI-моделей ограничены знаниями из обучающей выборки. Они не умеют получать новые данные после обучения и могут давать устаревшие ответы. RAG устраняет это ограничение, позволяя системе обращаться к внешним источникам — документам, базам данных, файловым хранилищам — и использовать свежую информацию для генерации точных ответов.
Пример из реальной практики
Если пользователь спрашивает интернет-магазин о наличии товара, RAG-модель не будет «догадываться», а проверит актуальный инвентарь и выдаст точную информацию о запасах и сроках доставки.
Чему вы научитесь
Курс построен так, чтобы вы последовательно освоили ключевые элементы RAG-систем и смогли реализовать собственный проект на основе OpenAI.
1. Основы retrieval-систем
• Подготовка и очистка текстовых данных
• Различные поисковые модели: булевы, векторные, вероятностные
• Индексация, ранжирование и оптимизация запросов
2. Основы генеративных моделей
• Архитектура трансформеров и механизмы внимания
• Обработка, подготовка и обучение текстовых данных
3. Введение в Retrieval-Augmented Generation
• Логика объединения retrieval и генерации
• Типичные сценарии применения RAG в продуктах
4. Работа с OpenAI API
• Настройка API и создание эффективных prompt-стратегий
• Выбор параметров модели и управление её поведением
5. Реализация RAG с OpenAI
• Построение полнофункционального RAG-пайплайна
• Интеграция поиска, индексации и генерации для решения сложных задач
6. Работа с неструктурированными данными
• Парсинг PDF, Word, PowerPoint, Excel и изображений
• Извлечение сущностей и ценной информации
7. Мультимодальные RAG-системы
• Комбинация текстовых и визуальных данных
• Создание гибридных ответов с учётом разных типов входа
8. Агентные системы с RAG
• Разработка AI-агентов, способных выполнять цепочки задач
• Управление состоянием агентов и динамическое принятие решений
Почему этот курс стоит пройти
Вы получите навыки, которые сразу можно применять в проектах. После завершения программы вы сможете самостоятельно создавать масштабируемые AI-системы, объединяющие поиск, генерацию и внешние данные. Это один из самых востребованных навыков в современной AI-разработке — от стартапов до крупных корпораций.
Дмитрий Соколов –
Работаю с бэкендом, RAG нужен был по работе, и курс в целом закрыл вопрос. Раздел про трансформеры и механизмы внимания хороший, подготовка и очистка текстовых данных тоже по делу, хотя местами материал можно было бы сжать — 171 урок это много. Жаль, что примеры в основном учебные, было бы полезнее показать индексацию на реальной базе документов. Но для введения в тему и собственного проекта на OpenAI — нормально.
Марина В. –
До курса я вообще не понимала, как LLM ищут информацию, а тут всё разложили по полочкам: сначала булевы и векторные модели поиска, потом индексация и ранжирование, и только затем само объединение retrieval и генерации. Практика с OpenAI понравилась — на финальном проекте собрала чат-бота, который подтягивает данные из файлов вместо того, чтобы выдумывать ответы. Лекции на английском, но темп нормальный, успевала конспектировать.