Deutsche Ausgabe
Embeddings, RAG und semantische Suche
Entwicklung semantischer Suchsysteme: Text- und Code-Embeddings, RAG von Grund auf mit FAISS sowie fortgeschrittene Techniken (Corrective, Self-RAG, Adaptive).
18 Lektionen ca. 2 h Entwickler
Das lernen Sie
- Generieren von Embeddings mit mistral-embed und Messen der semantischen Ähnlichkeit zwischen zwei Texten
- Aufteilen und Batch-Verarbeitung eines großen Korpus zur Vektorisierung ohne Überschreitung der API-Limits
- Indizieren von Code mit codestral-embed zur Ermöglichung semantischer Suche in einem Repository
- Aufbau einer vollständigen RAG-Pipeline: Vorbereitung, Vektorisierung, FAISS-Speicherung, Abruf und Generierung
- Vergleich von Corrective RAG, Self-RAG und Adaptive RAG zur Verbesserung der Relevanz von Antworten
Kursübersicht
- Zielgruppe
- Entwickler, Ingenieure und Integratoren, die Mistral AI über die API in ihren Anwendungen nutzen möchten.
- Voraussetzungen
- Fähigkeit, Python und JSON zu lesen, sowie Grundkenntnisse in der Befehlszeile. Ein Mistral AI Studio API-Schlüssel zur Erprobung der Beispiele.
- Dauer
- 2 h — 18 Lektionen
- Modalitäten
- 100 % onlineer Selbstlernkurs, rund um die Uhr über den Browser zugänglich. Der Fortschritt wird gespeichert und kann jederzeit fortgesetzt werden. Geschätzte Dauer: 2 h.
- Bewertung
- Selbsteinschätzung basierend auf den wichtigsten Erkenntnissen am Ende jeder Lektion sowie direkte Umsetzung der Beispiele anhand eigener Daten. Ein abschließendes Quiz mit 5 korrigierten Fragen am Ende der letzten Lektion validiert die erworbenen Fähigkeiten.
- Barrierefreiheit
- Der Kurs ist für Menschen mit Behinderungen zugänglich: Textinhalte sind mit Screenreadern kompatibel, die Navigation erfolgt über die Tastatur und die Kontraste entsprechen den Vorgaben. Bei Anpassungsbedarf wenden Sie sich bitte per E-Mail an [email protected].
- Preis
- Kostenlos
Kursinhalt
- 01 Einführung in Embeddings
- 02 Das mistral-embed-Modell
- 03 Semantische Ähnlichkeit
- 04 Batching und Chunking
- 05 Das codestral-embed-Modell
- 06 Semantische Code-Suche
- 07 Datentypen und Dimensionen
- 08 Anwendungsfälle: Code-Einbettungen
- 09 Einführung in RAG
- 10 Daten vorbereiten
- 11 Embeddings erstellen
- 12 Vektor-Speicher mit FAISS
- 13 Abruf und Generierung
- 14 Vollständige RAG-Pipeline
- 15 Korrektiver RAG
- 16 Self-RAG
- 17 Adaptiver RAG
- 18 RAG-Frameworks: LangChain, LlamaIndex, Haystack