Edição em português
Embeddings, RAG e Pesquisa Semântica
Construa sistemas de pesquisa semântica: embeddings de texto e código, RAG desde zero com FAISS e técnicas avançadas (Corretivo, Self-RAG, Adaptativo).
18 aulas ca. 2 h Programador
O que vai aprender
- Gerar embeddings com mistral-embed e medir a similaridade semântica entre dois textos
- Dividir e agrupar em lotes um grande corpus para o vetorizar sem exceder os limites da API
- Indexar código com codestral-embed para permitir a pesquisa semântica num repositório
- Construir um pipeline RAG completo: preparação, vetorização, armazenamento FAISS, recuperação e geração
- Comparar Corrective RAG, Self-RAG e Adaptive RAG para melhorar a relevância das respostas
Ficha do curso
- Destinatários
- Programadores, engenheiros e integradores que procuram aproveitar o Mistral AI via API nas suas aplicações.
- Pré-requisitos
- Capacidade de ler Python e JSON, noções básicas de linha de comandos. Uma chave API do Mistral AI Studio para testar os exemplos.
- Duração
- 2 h — 18 aulas
- Modalidades
- Curso 100% online e autoinstrucional, acessível 24/7 através de um navegador. Progresso guardado, retome a qualquer momento. Duração estimada: 2 h.
- Avaliação
- Autoavaliação baseada nos pontos-chave que concluem cada lição e implementação direta de exemplos nos seus próprios casos. Um questionário final de 5 perguntas corrigidas, no fim da última lição, valida as competências adquiridas.
- Acessibilidade
- Curso acessível a pessoas com deficiência: conteúdo de texto compatível com leitores de ecrã, navegação por teclado e contrastes conformes. Para quaisquer necessidades de adaptação, envie um e-mail para [email protected].
- Preço
- Gratis
Conteúdo do curso
- 01 Introdução aos Embeddings
- 02 O modelo mistral-embed
- 03 Similaridade Semântica
- 04 Agrupamento e Fragmentação
- 05 O modelo codestral-embed
- 06 Pesquisa Semântica de Código
- 07 Tipos de Dados e Dimensões
- 08 Caso de Utilização: Embeddings de Código
- 09 Introdução ao RAG
- 10 Preparar os Dados
- 11 Criar Embeddings
- 12 Armazenamento de Vetores com FAISS
- 13 Recuperação e Geração
- 14 Pipeline RAG Completo
- 15 RAG Corretivo
- 16 Self-RAG
- 17 RAG Adaptativo
- 18 Frameworks RAG: LangChain, LlamaIndex, Haystack