Dansk udgave
Embeddings, RAG og semantisk søgning
Byg semantiske søgesystemer: tekst- og kode-embeddings, RAG fra bunden med FAISS og avancerede teknikker (Corrective, Self-RAG, Adaptive).
18 lektioner ca. 2 h Udvikler
Hvad du lærer
- Generér embeddings med mistral-embed og mål den semantiske lighed mellem to tekster
- Opdel og batch et stort korpus for at vektorisere det uden at overskride API-grænser
- Indeksér kode med codestral-embed for at muliggøre semantisk søgning i et repository
- Byg en komplet RAG-pipeline: forberedelse, vektorisering, FAISS-lagring, hentning og generering
- Sammenlign Corrective RAG, Self-RAG og Adaptive RAG for at forbedre svarrelevansen
Kursusark
- Målgruppe
- Udviklere, ingeniører og integratorer, der ønsker at udnytte Mistral AI via API i deres applikationer.
- Forudsætninger
- Evne til at læse Python og JSON, grundlæggende kommandolinje. En Mistral AI Studio API-nøgle til at prøve eksemplerne.
- Varighed
- 2 h — 18 lektioner
- Formater
- 100 % online selvstudiekursus, tilgængeligt 24/7 fra en browser. Fremskridt gemmes, genoptag når som helst. Estimeret varighed: 2 h.
- Vurdering
- Selvbedømmelse baseret på de vigtigste pointer, der afslutter hver lektion, og direkte implementering af eksempler på dine egne data. En afsluttende quiz med 5 rettede spørgsmål ved slutningen af den sidste lektion validerer de erhvervede færdigheder.
- Tilgængelighed
- Kursuset er tilgængeligt for personer med handicap: tekstindhold kompatibelt med skærmlæsere, tastaturnavigation og overholdelse af kontrastkrav. For eventuelle tilpasningsbehov, send en e-mail til [email protected].
- Pris
- Gratis
Kursets indhold
- 01 Introduktion til Embeddings
- 02 Modellen mistral-embed
- 03 Semantisk lighed
- 04 Batching og Chunking
- 05 Modellen codestral-embed
- 06 Semantisk kodesøgning
- 07 Datatyper og dimensioner
- 08 Use Case: Code Embeddings
- 09 Introduktion til RAG
- 10 Forbered dataene
- 11 Opret indlejrede vektorer
- 12 Vector Store med FAISS
- 13 Retrieval og generation
- 14 Komplet RAG-pipeline
- 15 Corrective RAG
- 16 Self-RAG
- 17 Adaptiv RAG
- 18 RAG-rammer: LangChain, LlamaIndex, Haystack