(Inggris) Vector Search and RAG with BigQuery: A Practical Guide

Kecerdasan buatan modern bergantung pada menghubungkan model bahasa besar dengan data pribadi organisasi Anda. BigQuery membuat integrasi yang kuat ini dapat diakses dengan menggunakan keterampilan SQL yang sudah Anda miliki. Dalam kursus berbasis teks ini, Anda akan belajar bagaimana membangun sistem Retrieval-Augmented Generation (RAG) dan melakukan pencarian vektor langsung di dalam gudang data Anda. Anda akan beralih dari memahami konsep AI dasar untuk mengeksekusi query SQL praktis yang menghasilkan embedding dan mengambil data yang serupa secara semantik. Melalui penjelasan yang jelas dan tertulis, Anda akan belajar: 1. Mengerti konsep dasar dari vektor embedding, pencarian semantik, dan arsitektur RAG. 2. Membuat dan menyimpan vektor embeddings langsung di dalam BigQuery menggunakan SQL. 3. Melakukan pencarian vektor yang efisien untuk menemukan informasi yang berhubungan secara semantik. 4. Sambungkan konteks data yang diperoleh ke model bahasa besar untuk respon RAG yang akurat. 5. Terapkan dasar-dasar rekayasa cepat untuk memformat konteks yang diperoleh untuk kinerja model optimal. 6. Praktik menulis bersih, modern SQL queries untuk AI-driven data tasks. Kursus ini dimulai dengan terminologi dasar, memperkenalkan bagaimana komputer merepresentasikan makna melalui vektor. Dari sana, Anda akan berkembang melalui pelajaran teks terstruktur dengan potongan kode, belajar untuk mengkonfigurasi indeks pencarian vektor dan membangun pipa RAG yang berfungsi sepenuhnya. Program ini dirancang untuk analis data, pengembang, dan administrator database yang baru untuk AI dan database vektor, tanpa pengalaman sebelumnya dalam pembelajaran mesin. Mulai membaca hari ini untuk membuka kekuatan pencarian semantik di gudang data Anda.