Szkolenie: Retrieval Augmented Generation (RAG) - systemy AI do wyszukiwania informacji
Podczas szkolenia zapoznasz się z technikami wyszukiwania dokumentów w systemach RAG, dowiesz się jak minimalizować halucynacje i błędne wyniki w wygenerowanej przez AI odpowiedzi oraz jak oceniać poprawność działania systemów RAG.
- Trenerzy praktycy
- Kameralne grupy
Czas trwania szkolenia:2 dni (16h)
Kod kursu:AI/RAG
Dostępne terminy szkolenia
Termin:
Trener:
Cena:
2450 PLN netto
Lokalizacja:
ZdalneTermin:
Trener:
Cena:
2450 PLN nettoLokalizacja:
ZdalneTermin:
Trener:
Cena:
2450 PLN nettoLokalizacja:
ZdalneRetrieval Augmented Generation (RAG) - systemy AI do wyszukiwania informacji
Cele szkolenia
techniki ograniczenia halucynacji i błędnych wyników w systemach RAG
Zapoznanie z technikami wyszukiwania dokumentów w systemach RAG opartymi o embeddingi
Zapoznanie uczestników z generowaniem odpowiedzi przez model w oparciu o kontekst pozyskany z bazy danych
Dla kogo?
Programistów znających Pythona w stopniu przynajmniej podstawowym / średnio zaawansowanym
Osób, które mają podstawową wiedzę w zakresie integrowania się z API modeli LLM
Efekty kształcenia
Szkolenie jest prowadzone przez osoby na co dzień zajmujące się sztuczną inteligencją oraz analizą danych
Program jest ciągle uaktualniany ze względu na szybki rozwój rozwiązań, których dotyczy szkolenie
Dużo zadań praktycznych - szkolenie zakończysz z działającym kodem, który możesz użyć w swoich projektach
Wymagania
Znajomość Pythona i umiejętność korzystania z Dużych Modeli Językowych
Dostęp do API OpenAI i doświadczenie w korzystaniu z niego
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Program szkolenia
Wprowadzenie do systemów RAG
Architektura systemów RAG
Idea RAG oraz zalety takiego podejścia
Omówienie narzędzi ekosystemu Langchain
Przygotowanie danych dla systemu RAG
Parsery dokumentów
Podział tekstu na chunki
Tworzenie embeddingów
Czym jest embedding – zamiana znaczenia tekstu na wektor
Przegląd dostępnych modeli
Narzędzia do generowania embeddingów
Wektorowa baza danych
Wprowadzenie do bazy Qdrant
Podstawowe operacje – tworzenie kolekcji, dodawanie i usuwanie danych
Integracja Qdrant z Langchain
Techniki wyszukiwania dokumentów w systemach RAG
Podstawowy system RAG oparty o Semantic Search
Wyszukiwanie przy użyciu metadanych
Reranking - sortowanie wyszukanych dokumentów pod względem jakości dopasowania
Łączenie wyników wyszukiwania i generowanie odpowiedzi
Tworzenie template'u prompta
Generowanie odpowiedzi w oparciu o kontekst pozyskany z bazy wektorowej
Ewaluacja RAGa
Biblioteka deepeval
Metryki ewaluacyjne RAGa
Podsumowanie szkolenia
Gotowa aplikacja do wczytywania danych i tworzenia z nich embeddingów na porzeby RAGa
Autorem szkolenia jest Patryk Palej
Od 2018 roku zajmuje się analizą danych, uczeniem maszynowym oraz programowaniem w Pythonie. W międzyczasie ukończył studia na kierunku Energetyka w trakcie których zajmował się matematycznym modelowaniem procesów transportu ciepła i masy. Szybko jednak przebranżowił się do IT i jako data scientist pracował przy projektach dla takich sektorów jak finanse, telekomunikacja czy media. Poza tym prowadzi szkolenia, warsztaty oraz zajęcia na bootcampie z zagadnień na pograniczu Pythona i data science.…
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
