Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Lietuviška laida

Įterpiniai, RAG ir semantinė paieška

Kurkite semantinės paieškos sistemas: teksto ir kodo įterpiniai, RAG nuo nulio naudojant FAISS ir pažangūs metodai (Corrective, Self-RAG, Adaptive).

18 paskaitų maždaug 2 val. Kūrėjas

Ko išmoksite

  • Generuoti įterpinius naudojant mistral-embed ir įvertinti semantinį dviejų tekstų panašumą
  • Skaidyti ir grupuoti didelį duomenų rinkinį vektorizavimui neviršijant API ribų
  • Indeksuoti kodą naudojant codestral-embed, kad būtų galima atlikti semantinę paiešką saugykloje
  • Sukurti visą RAG vamzdyną: paruošimą, vektorizavimą, FAISS saugojimą, gavimą ir generavimą
  • Palyginti Corrective RAG, Self-RAG ir Adaptive RAG, siekiant pagerinti atsakymų aktualumą

Kurso kortelė

Kam skirta
Kūrėjai, inžinieriai ir integratoriai, siekiantys savo programose panaudoti Mistral AI per API.
Būtinos žinios
Gebėjimas skaityti Python ir JSON, pagrindiniai komandinės eilutės įgūdžiai. Mistral AI Studio API raktas pavyzdžiams išbandyti.
Trukmė
2 val. — 18 paskaitų
Formatas
100 % nuotolinis savarankiško mokymosi kursas, prieinamas 24/7 per naršyklę. Eiga išsaugoma, galima tęsti bet kada. Numatoma trukmė: 2 val..
Vertinimas
Savęs vertinimas pagal pagrindines kiekvienos pamokos išvadas ir tiesioginis pavyzdžių diegimas savo pavyzdžiais. Galutinis 5 taisomų klausimų testas paskutinės pamokos pabaigoje patvirtina įgytus įgūdžius.
Prieinamumas
Kursas pritaikytas žmonėms su negalia: teksto turinys suderinamas su ekrano skaitytuvais, navigacija klaviatūra ir atitinkami kontrastai. Dėl bet kokių pritaikymo poreikių rašykite [email protected].
Kaina
Nemokama

Kurso turinys

  1. 01 Įvadas į įterpinius (Embeddings)
  2. 02 Modelis mistral-embed
  3. 03 Semantinis panašumas
  4. 04 Grupavimas ir skaidymas į dalis
  5. 05 Modelis codestral-embed
  6. 06 Semantinė kodo paieška
  7. 07 Tipai duomenų ir matmenys
  8. 08 Cas d'usage : Embeddings de code
  9. 09 Įvadas į RAG
  10. 10 Paruoškite duomenis
  11. 11 Kurti įterpinius (Embeddings)
  12. 12 Vector Store su FAISS
  13. 13 Išgavimas ir generavimas
  14. 14 Visiška RAG grandinė
  15. 15 Corrective RAG
  16. 16 Self-RAG
  17. 17 RAG adaptatif
  18. 18 RAG Frameworks: LangChain, LlamaIndex, Haystack