Przejdź do głównej treści
Polski— Wybierz język
Menu

Wersja polska

Embeddings, RAG i wyszukiwanie semantyczne

Buduj systemy wyszukiwania semantycznego: embeddingi tekstu i kodu, RAG od podstaw z wykorzystaniem FAISS oraz zaawansowane techniki (Corrective, Self-RAG, Adaptive).

18 lekcji ok. 2 h Programista

Czego się nauczysz

  • Generowanie embeddingów za pomocą mistral-embed i pomiar podobieństwa semantycznego między dwoma tekstami
  • Podział i batchowanie dużego korpusu w celu wektoryzacji bez przekraczania limitów API
  • Indeksowanie kodu za pomocą codestral-embed w celu umożliwienia wyszukiwania semantycznego w repozytorium
  • Budowa kompletnego potoku RAG: przygotowanie, wektoryzacja, magazynowanie w FAISS, pobieranie i generowanie
  • Porównanie Corrective RAG, Self-RAG i Adaptive RAG w celu poprawy trafności odpowiedzi

Karta kursu

Dla kogo
Deweloperzy, inżynierowie i integratorzy chcący wykorzystać Mistral AI poprzez API w swoich aplikacjach.
Wymagania wstępne
Umiejętność czytania kodu w Pythonie i JSON, podstawy wiersza poleceń. Klucz API Mistral AI Studio niezbędny do przetestowania przykładów.
Czas trwania
2 h — 18 lekcji
Forma
Kurs online w 100%, realizowany we własnym tempie, dostępny 24/7 z poziomu przeglądarki. Postępy są zapisywane, możliwe jest wznowienie w dowolnym momencie. Szacowany czas trwania: 2 h.
Weryfikacja wiedzy
Samoocena oparta na kluczowych wnioskach kończących każdą lekcję oraz bezpośrednia implementacja przykładów na własnych danych. Końcowy quiz składający się z 5 pytań z odpowiedziami, przeprowadzany na końcu ostatniej lekcji, potwierdza nabyte umiejętności.
Dostępność
Kurs dostępny dla osób z niepełnosprawnościami: treść tekstowa kompatybilna z czytnikami ekranu, nawigacja za pomocą klawiatury i zgodne kontrasty. W przypadku potrzeb dostosowania prosimy o kontakt pod adresem [email protected].
Cena
Bezpłatnie

Program kursu

  1. 01 Wprowadzenie do osadzeń (embeddings)
  2. 02 Model mistral-embed
  3. 03 Podobieństwo semantyczne
  4. 04 Grupowanie i dzielenie na fragmenty
  5. 05 Model codestral-embed
  6. 06 Wyszukiwanie semantyczne w kodzie
  7. 07 Typy danych i wymiary
  8. 08 Przypadek użycia: Embeddingi kodu
  9. 09 Wprowadzenie do RAG
  10. 10 Przygotowanie danych
  11. 11 Tworzenie osadzeń
  12. 12 Vector Store z FAISS
  13. 13 Pobieranie i generowanie
  14. 14 Kompletny potok RAG
  15. 15 Corrective RAG
  16. 16 Self-RAG
  17. 17 Adaptive RAG
  18. 18 Frameworki RAG: LangChain, LlamaIndex, Haystack