Edizione in italiano
Embedding, RAG e ricerca semantica
Costruisci sistemi di ricerca semantica: embedding per testo e codice, RAG da zero con FAISS e tecniche avanzate (Corrective, Self-RAG, Adaptive).
18 lezioni ca. 2 h Sviluppatore
Cosa imparerai
- Generare embedding con mistral-embed e misurare la similarità semantica tra due testi
- Suddividere e raggruppare in batch un grande corpus per vettorializzarlo senza superare i limiti API
- Indicizzare il codice con codestral-embed per abilitare la ricerca semantica in un repository
- Costruire una pipeline RAG completa: preparazione, vettorializzazione, archiviazione FAISS, recupero e generazione
- Confrontare Corrective RAG, Self-RAG e Adaptive RAG per migliorare la pertinenza delle risposte
Scheda del corso
- Destinatari
- Sviluppatori, ingegneri e integratori che intendono sfruttare Mistral AI tramite API nelle loro applicazioni.
- Prerequisiti
- Capacità di leggere Python e JSON, nozioni base della riga di comando. Una chiave API di Mistral AI Studio per provare gli esempi.
- Durata
- 2 h — 18 lezioni
- Modalità
- Corso online al 100% e auto-diretto, accessibile 24/7 dal browser. Progressi salvati, riprendi in qualsiasi momento. Durata stimata: 2 h.
- Valutazione
- Autovalutazione basata sui punti chiave che concludono ogni lezione e implementazione diretta degli esempi sui tuoi casi d'uso. Un quiz finale di 5 domande corrette, alla fine dell'ultima lezione, convalida le competenze acquisite.
- Accessibilità
- Corso accessibile alle persone con disabilità: contenuti testuali compatibili con screen reader, navigazione da tastiera e contrasti conformi. Per eventuali esigenze di adattamento, scrivi a [email protected].
- Prezzo
- Gratis
Contenuto del corso
- 01 Introduzione agli Embedding
- 02 Il modello mistral-embed
- 03 Somiglianza Semantica
- 04 Batching e Chunking
- 05 Il modello codestral-embed
- 06 Ricerca semantica del codice
- 07 Tipi di dati e dimensioni
- 08 Caso d'uso: Embedding di codice
- 09 Introduzione al RAG
- 10 Preparare i Dati
- 11 Créer des embeddings
- 12 Vector Store con FAISS
- 13 Recupero e Generazione
- 14 Pipeline RAG Completo
- 15 RAG Correttivo
- 16 Self-RAG
- 17 RAG Adattivo
- 18 Framework RAG: LangChain, LlamaIndex, Haystack