Pratik RAG: Kaynak Verilerle LLM Uygulamaları Yapmak

Büyük Dil Modellerinin gücü, eğitim verileri ile sınırlıdır. Bu ders, güvenilir ve gerçeklere dayalı LLM uygulamaları inşa etmek için gerekli olan model olan Geri Alma-Artırılmış Üretim (RAG) için pratik bir temel sağlar. Basit çağrı enjeksiyonunu geride bırakacak ve bir yanıt oluşturmadan önce ilgili bağlamı geri getiren tam bir veri boru hattı mimarisi öğreneceksiniz.RAG'yi iyi kullanmak, alan-özel veya kurumsal ortamlarda LLM'leri etkili bir şekilde dağıtmak için kritiktir. Ne öğreneceksin: * Bir Geri Alma-Genişletilmiş Nesil (RAG) sisteminin temel bileşenleri ve çalışma akışını anlamak. * Veri hazırlama, parçalama ve etkili geri alma için gömülü oluşturma teknikleri uygulayın. * Geri alma gecikmesi ve alakayı iyileştirmek için vektör depolama ve indeksleme stratejilerini yapılandır. * Gelişmiş sorgulama ve yeniden sıralama mekanizmaları da dahil olmak üzere sağlam geri alma stratejileri tasarla. * Geri yüklenen bağlamı tutarlı, kaynak destekli yanıtlara sentezlemek için gelişmiş çabuk mühendisliği uygulayın. * RAG boru hattı kalitesini, sadakat, uyumluluk ve bağlam kullanımı için kilit ölçütleri kullanarak değerlendirin. Kurs temel kavramlarla başlar ve veri alımı ve geri alma safhalarından geçerek, üretim ve kalite güvencesi üzerinde yoğunlaşan pratik egzersizlerle zirveye ulaşır. Bu kurs, LLM ekosistemine yeni başlayan ve teorik anlayıştan pratik uygulama geliştirmeye geçmek isteyen geliştiriciler için tasarlanmıştır. Vektör veritabanları veya gelişmiş makine öğrenimi ile önceden tecrübe gerekmez. İlk üretim hazır RAG uygulamasını bugün inşa etmeye başlayın.