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