Świetne wyjaśnienie reranking i ewaluacji.
Membangun Sistem RAG: Pencarian, Reranking, dan Evaluasi
Pahami dasar-dasar Retrieval-Augmented Generation dan pelajari cara mengimplementasikan hybrid search serta mengevaluasi respons LLM melalui latihan berbasis teks yang praktis.
-
💬
Instruktur AI
Tanyakan apa pun tentang pelajaran dan dapatkan jawaban jelas seketika, kapan saja. -
🕐
Mulai kapan saja
Tanpa jadwal atau tenggat — belajar dengan kecepatan sendiri, kapan pun Anda mau. -
🌐
Dalam bahasa Indonesia
Pelajaran, tugas, dan sertifikat — semuanya sepenuhnya dalam bahasa Anda.
Tentang kursus ini
Seiring Large Language Models (LLMs) mentransformasi pengembangan perangkat lunak, kemampuan untuk menghubungkannya ke data kustom menjadi keterampilan yang sangat penting. Retrieval-Augmented Generation (RAG) adalah standar industri untuk membuat respons AI akurat dan sadar konteks. Kursus berbasis teks ini memandu Anda membangun sistem RAG dari awal. Anda akan mulai dengan terminologi inti AI dan vector search, kemudian berlanjut ke implementasi hybrid search, menerapkan teknik reranking, dan mengevaluasi kualitas jawaban sistem Anda menggunakan pola Python modern.
Apa yang akan Anda pelajari:
- Memahami konsep dasar Retrieval-Augmented Generation dan model embedding.
- Membangun pipeline data kustom untuk menyiapkan dan memasukkan teks ke dalam database vektor modern.
- Mengimplementasikan strategi hybrid search yang menggabungkan pencarian kata kunci dan semantik.
- Menerapkan algoritma reranking untuk meningkatkan relevansi konteks yang diambil.
- Mengevaluasi akurasi dan kualitas respons yang dihasilkan LLM menggunakan metrik industri saat ini.
- Berlatih mengintegrasikan dasar-dasar prompt engineering untuk mengoptimalkan output AI.
Kurikulum mengalir secara logis dari definisi dasar dan konsep inti AI ke langkah-langkah implementasi praktis. Anda akan membaca penjelasan yang jelas dan mempelajari cuplikan kode yang terstruktur dengan baik untuk membangun pemahaman Anda tentang integrasi backend AI modern. Dirancang untuk pemula dan pengembang dengan pengetahuan pemrograman dasar, kursus ini tidak memerlukan pengalaman machine learning sebelumnya. Mulailah membaca hari ini untuk membangun keterampilan dasar Anda dalam Retrieval-Augmented Generation.
Apa yang Anda dapatkan
-
📜
Sertifikat penyelesaian
Tambahkan ke profil LinkedIn Anda -
💬
Tutor AI pribadi
Bingung di tengah pelajaran? Tanya tutor bawaan kamu apa saja, kapan saja. -
♾️
Akses seumur hidup
Kembali kapan saja, tanpa kedaluwarsa -
📱
Ponsel atau komputer
Berfungsi di mana saja, perangkat apa saja -
💸
Pengembalian 14 hari
Tanpa pertanyaan -
⚡
Singkat dan fokus
2 jam 30 mnt konten praktis
Sertifikat penyelesaian
Setiap kursus yang Anda selesaikan di PickAClass menerbitkan kredensial seperti ini — orisinal, dengan kodenya sendiri, dapat diverifikasi via URL, dan rinci tentang yang benar-benar ditunjukkan.
P
PickAClass
Profil keterampilan · terverifikasi
Dokumen
Sertifikat Penguasaan
Ini menyatakan bahwa
Nama Lengkap
telah berhasil menunjukkan penguasaan
Membangun Sistem RAG: Pencarian, Reranking, dan Evaluasi
Keterampilan yang ditunjukkan
✓
Analisis pola perilaku
Dasar
1.2 jam
✓
Kerangka arsitektur keputusan
Mahir
1.4 jam
✓
Desain uji A/B
Mahir
1.7 jam
✓
Copywriting perilaku
Lanjutan
1.9 jam
P
PickAClass — Nama Lengkap
Membangun Sistem RAG: Pencarian, Reranking, dan Evaluasi
Halaman 2 dari 2
Detail kinerja
Ringkasan tugas kursus
Pelajaran selesai
14 / 14
Soal latihan
26 / 28
Tugas dikirim
4 (rata 4,5 / 5)
Proyek capstone
Ditinjau — 4,6 / 5
Total latihan
6.2 jam
Tolok ukur kinerja
Peringkat kohort
12% teratas dari 1,625
Waktu penyelesaian
11 hari (median: 22)
Skor penguasaan
91 / 100
Skor soal latihan
94%
Verifikasi keterampilan
Jalur Keterampilan terverifikasi
Ulasan (20)
Bon cours, un peu dense par moments.
O curso explica muito bem a diferença entre busca simples e reranking, algo que eu nunca tinha entendido direito antes. A parte de avaliação com métricas reais ajudou muito a validar se as mudanças no meu sistema realmente melhoraram os resultados. Os exemplos práticos são fáceis de acompanhar mesmo sem muita experiência prévia com RAG.
Phần đánh giá RAG rất hữu ích.
Reranking অংশটা অসাধারণভাবে বোঝানো হয়েছে।
Il corso copre in modo molto ordinato tutto il percorso di un sistema RAG, dalla ricerca iniziale fino al reranking dei risultati. La parte sulla valutazione mi è piaciuta particolarmente perché finalmente ho capito come misurare se le modifiche fatte al sistema portano davvero un miglioramento. Gli esempi pratici sono ben spiegati e si possono riprodurre facilmente con i propri dati. L'unico neo è che alcune sezioni teoriche sul reranking sono un po' dense rispetto agli esercizi collegati. Nel complesso resta un corso solido per chi vuole andare oltre il semplice retrieval vettoriale.
Reranking explicado de forma clara e direta.
The section on evaluation metrics for RAG pipelines finally made sense of something I'd been guessing at for months.
Good breakdown of how reranking actually improves retrieval quality over plain vector search. The evaluation frameworks covered near the end gave me a real way to benchmark my own pipeline instead of just eyeballing results. Wish there was a bit more depth on hybrid search though.
Le module sur le reranking m'a vraiment ouvert les yeux, je ne comprenais pas bien pourquoi mes résultats de recherche étaient si moyens avant ça. Les exercices sur l'évaluation avec des métriques concrètes sont hyper utiles pour juger si un système RAG marche vraiment. Rythme parfait, ni trop lent ni trop dense.
RAG 시스템을 처음부터 끝까지 다루는 구성이 정말 알찼습니다. 검색 단계에서 어떤 방식으로 문서를 가져오는지, 그리고 왜 reranking이 필요한지 순서대로 설명해줘서 흐름이 자연스러웠어요. 특히 평가 지표 부분에서 실제로 결과를 어떻게 측정하는지 실습으로 보여줘서 바로 제 프로젝트에 적용할 수 있었습니다. 설명 속도도 적당하고 예제 코드도 군더더기 없이 깔끔했습니다. RAG를 실무에 도입하려는 사람에게 정말 도움이 될 강의라고 생각합니다.
คอร์สนี้อธิบายเรื่อง RAG ได้ค่อนข้างละเอียด ตั้งแต่การค้นหาข้อมูลพื้นฐานไปจนถึง reranking ซึ่งเป็นส่วนที่ผมไม่เคยเข้าใจมาก่อนว่าทำไมต้องมี ส่วนของการประเมินผลด้วย metric ต่าง ๆ ก็ช่วยให้เห็นภาพชัดว่าระบบทำงานดีขึ้นจริงหรือเปล่า ตัวอย่างโค้ดใช้งานได้จริงและลองทำตามได้ไม่ยาก แต่บางช่วงในเรื่อง reranking รู้สึกว่าอธิบายเร็วไปหน่อยสำหรับคนที่เพิ่งเริ่มต้น โดยรวมแล้วคุ้มค่ากับเวลาที่เสียไปมาก
RAG 시스템의 기본 구조를 제대로 잡고 싶었는데 하이브리드 검색을 직접 구현해 보면서 감을 확실히 잡았어요. 리랭킹이 왜 필요한지, 검색 결과 품질이 어떻게 달라지는지 텍스트 실습으로 보여줘서 이해가 빨랐습니다. 특히 LLM 응답을 어떻게 평가하는지 다루는 부분이 실무에 바로 도움이 됐어요. 다만 대규모 데이터에서의 성능 최적화 얘기가 조금 더 있었으면 했습니다. 그래도 RAG 입문으로는 아주 알찬 강의였습니다.
Penjelasan tentang reranking bikin saya paham kenapa hasil pencarian RAG saya selama ini kurang relevan. Bagian evaluasi juga membantu banget karena ada metrik konkret buat mengukur performa sistem, bukan cuma tebak-tebakan. Cuma agak berharap ada lebih banyak studi kasus dunia nyata di bagian akhir.
এই কোর্সটা RAG সিস্টেম নিয়ে যেভাবে ধাপে ধাপে বুঝিয়েছে তা সত্যিই দারুণ লেগেছে। প্রথমে সার্চের বেসিক, তারপর reranking কেন দরকার, আর শেষে evaluation মেট্রিক্স দিয়ে কীভাবে যাচাই করতে হয় — পুরো ফ্লো একদম সহজবোধ্য। কোডের উদাহরণগুলো নিজে চালিয়ে দেখেছি, কাজ করেছে ঠিকঠাক। আগে শুধু ভেক্টর সার্চ দিয়ে কাজ চালাতাম, কিন্তু এখন বুঝতে পারছি কোথায় ফলাফল উন্নত করা যায়। সময় নিয়ে বসে শেখার মতো একটা কোর্স।
The hands-on hybrid search and reranking exercises finally made RAG evaluation click for me; I can now actually measure whether my answers are any good.
Materi reranking dan evaluasi sangat jelas.
Finally a course that explains reranking without hand-waving — the comparison between different rerankers on real queries was worth it alone.
Курс закрывает всю базу по RAG: от простого поиска до реранкинга и метрик оценки качества. Особенно понравился блок про evaluation — наконец разобралась, как измерять, действительно ли система отвечает лучше после доработок. Примеры кода рабочие, можно сразу повторить на своих данных. Единственное — тема реранкинга могла бы получить чуть больше практики, было ощущение, что теория обгоняет упражнения. В целом однозначно стоило потраченного времени.
Solid walkthrough of search and reranking, though the evaluation section moved a little fast for my taste.
Pelajar lain juga mengambil
🎓 Dengan sertifikat
AI Swasta dengan LLM Sumber Terbuka: Pemasangan Lokal, RAG, dan Agen
Sertifikat
Praktik
$9.99
→
💼 Siap kerja
🎓 Dengan sertifikat
Fine-Tuning OpenAI Models: Customize LLMs with Your Own Data (dalam bahasa Inggris).
Sertifikat
Praktik
$9.99
→
🏆 Paling populer
🎓 Dengan sertifikat
Pengembangan Sistem RAG dengan Azure OpenAI dan Azure AI Search
Sertifikat
Praktik
$9.99
→
💼 Siap kerja
🎓 Dengan sertifikat
Pengembangan Aplikasi AI dengan LangChain
Sertifikat
Praktik
$9.99
→
Pertanyaan umum
Apa yang saya butuhkan untuk mengikuti kursus ini? +
Cukup ponsel atau komputer dengan internet. Tidak ada instalasi atau perangkat khusus.
Bagaimana cara membayar? +
Dengan kartu via Stripe. Kami tidak menyimpan detail kartu — Stripe menanganinya dengan aman.
Bisakah saya mendapat refund? +
Ya — refund penuh dalam 14 hari, tanpa pertanyaan.
Berapa lama saya akan punya akses? +
Selamanya. Setelah membeli, kursus jadi milik Anda untuk dikunjungi lagi kapan saja.
Apakah saya akan mendapat sertifikat? +
Ya. Setelah selesai, Anda akan menerima sertifikat yang bisa ditambahkan ke profil LinkedIn.
Dibuat untuk pelajar di
Teknologi
Desain
Keuangan
Pemasaran
Kesehatan
Pendidikan
Perhotelan
Manufaktur
10
Dapatkan 10 kursus per bulan
Anggota mendapat 10 kursus pilihan setiap bulan seharga $0. Tanpa biaya per kursus — kamu hanya membayar langganan.
$49.99 / per bulan
- ✓ 10 kursus setiap bulan
- ✓ Batalkan kapan saja
Diperpanjang tiap bulan. Kursus yang tidak dipakai hangus di akhir setiap bulan tagihan.