Retrieval-Augmented Generation (RAG) Fundamentals and Practical Applications (bằng tiếng Anh).

Mô hình ngôn ngữ lớn thường thiếu kiến thức đặc biệt, đúng thời điểm, hoặc độc quyền. Chương trình này dạy bạn cách nối kết khoảng cách đó bằng cách sử dụng kỹ thuật Tạo thêm lấy lại (RAG). Vào cuối khóa học này, bạn sẽ hiểu kiến trúc của các hệ thống RAG hiện đại và sở hữu các kỹ năng thực tế để xây dựng, kiểm tra và triển khai các ứng dụng AI dựa trên dữ liệu của riêng bạn bằng cách sử dụng các công cụ tiêu chuẩn của ngành như LangChain và Streamlit. Bạn sẽ học được: * Hiểu các thành phần cốt lõi của RAG, bao gồm chỉ mục, lấy lại tài liệu, và tạo phản hồi. * Thực hành các chiến lược phân đoạn dữ liệu hiệu quả và kỹ thuật nhúng cho cơ sở kiến thức chuyên biệt. * Thực hiện các luồng công việc RAG bằng cách sử dụng khung dàn dựng LangChain để kết nối các thành phần một cách liền mạch. * Cấu hình mẫu để đảm bảo tương quan ngữ cảnh và hướng dẫn sau để có kết quả chính xác. * Tạo giao diện người dùng cho các ứng dụng RAG của bạn bằng cách sử dụng khung Streamlit. * Apply các phương pháp đánh giá cơ bản để đánh giá sự phù hợp và trung thành của các phản hồi được tạo ra. Vật liệu bắt đầu bằng cách xác định thuật ngữ RAG và các khái niệm cơ bản, sau đó chuyển sang các bài tập tập trung vào việc thiết lập các đường ống dữ liệu, tích hợp các mô hình ngôn ngữ lớn và phát triển các phần mềm tương tác. Chương trình này được thiết kế cho người mới bắt đầu có kiến thức cơ bản về Python và muốn tham gia lĩnh vực AI ứng dụng. Không cần kinh nghiệm trước đó với LangChain, Streamlit, hoặc triển khai LLM. Bắt đầu làm chủ các kỹ năng thực tế cần thiết để xây dựng thế hệ tiếp theo của các công cụ AI nhận thức kiến thức.