Introduzione alla generazione aumentata del recupero (RAG)

La generazione aumentata del recupero (RAG, Retrieval-Augmented Generation) colma questo divario, consentendo di basare le risposte dell'intelligenza artificiale su informazioni private e basate sui fatti senza costosi sforzi di riaddestramento. In questo corso, passerai dalla comprensione della teoria della ricerca semantica alla costruzione della tua prima pipeline RAG funzionale. Imparerai come trasformare il testo grezzo in incorporamenti vettoriali, interrogare un database vettoriale e costruire prompt precisi che producono risposte altamente accurate. Comprendere l'architettura di base di RAG e in che modo si differenzia dalla messa a punto. 2. Convertire testo non strutturato in incorporamenti vettoriali utilizzando modelli di incorporamento moderni. 3. Archiviare e interrogare i dati semantici utilizzando popolari database vettoriale open source. 4. Valutare e ottimizzare l'accuratezza delle risposte del sistema. 6. affrontare le limitazioni comuni LLM come allucinazioni e conoscenze obsolete. Partendo dalla terminologia essenziale dell'IA e del database, avanzerai attraverso spiegazioni scritte passo-passo e snippet di codice che dimostrano come collegare caricatori di dati, generatori di incorporamento e modelli di linguaggio.Questo corso è progettato per sviluppatori di software, appassionati di dati e product manager tecnici che sono nuovi all'ingegneria AI. Non è richiesta alcuna esperienza precedente con il machine learning, anche se è utile avere una familiarità di base con Python.