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.
2150 PLN+23% VAT (2644 PLN brutto / 1 os.)Czas trwania szkolenia:2 dni (16h)
Kod kursu:AI/RAG
Dostępne terminy
Termin:
Trener:
Cena:
2150 PLN netto
Lokalizacja:
ZdalneRetrieval Augmented Generation (RAG) - systemy AI do wyszukiwania informacji
Cele szkolenia
Zapoznanie z technikami wyszukiwania dokumentów w systemach RAG
techniki ograniczenia halucynacji i błędnych wyników w systemach RAG
Zapoznanie uczestników ze sposobami oceny poprawności działania systemów RAG
Dla kogo?
Programistów znających Pythona w stopniu wystarczającym do zaimplementowania kodu pobierającego dane z bazy danych lub REST API
lub osób, które brały udział w szkoleniu: "Budowanie aplikacji opartych na AI z wykorzystaniem biblioteki Langchain"
Zalety
Szkolenie jest prowadzone przez osoby na co dzień zajmujące się inżynierią danych oraz uczeniem maszynowym
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
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Program
Wprowadzenie do systemów RAG
Architektura systemów RAG
Modele Word Embedding
Przygotowanie danych dla systemu RAG
Parsery dokumentów
Indeksowanie dokumentów
Wektorowe bazy danych
Techniki wyszukiwania dokumentów w systemach RAG
Podstawowy system RAG oparty o Semantic Search
Użycie wielu wersji zapytania przy użyciu techniki Query Expansion
Hypothetical Document Embeddings
Wyszukiwanie przy użyciu słów kluczowych
Wyszukiwanie przy użyciu metadanych
Parent Document Retrieval
Wyszukiwanie przy użyciu podzapytań
Ocena jakości działania systemu RAG
Przygotowanie danych
Rodzaje metryk dot. wyszukiwania danych
Rodzaje metryk dot. oceny wygenerowanej odpowiedzi
Implementacja metryk w Pythonie
Łączenie wyników wyszukiwania
Reranking - szeregowanie wyszukanych dokumentów pod względem
Sposoby generowania odpowiedzi
Systemy RAG oparte o relacyjne bazy danych
Wprowadzenie do Text-to-SQL
Implementacja RAG z użyciem Text-to-SQL
Techniki poprawiania jakości odpowiedzi generowanej przez AI w systemie RAG
Sposoby unikania halucynacji
Zwracanie wyniku w określonej postaci - Structured Output
Automatyczna weryfikacja odpowiedzi generowanej przez AI
Autorem szkolenia jest Bartosz Mikulski
Inżynier danych, MLOps engineer. W pracy zawodowej zajmuje się budowaniem zautomatyzowanej platformy wdrażania modeli uczenia maszynowego na produkcji. Specjalizuje się w inżynierii danych z użyciem AWS. Od 2017 roku pisze bloga o inżynierii danych, uczeniu maszynowym i sztucznej inteligencji. Napisał jeden z rozdziałów książki "97 Things Every Data Engineer Should Know". Występuje na konferencjach i meetupach w roli prelegenta gdzie dzieli się swoim doświadczeniem ze społecznością programistów.…
