Содержание курса
1. Введение в RAG и экосистему LLM
3 урока
13
6
0м
0
Закрытый
1.1
Проблемы современных LLM: Галлюцинации и устаревшие знания
↗
7
2
-
0
Закрытый
1.2
RAG, Fine-Tuning и Prompt Engineering — выбираем инструмент
↗
4
2
-
0
Закрытый
1.3
Техники промптинга для RAG — заставляем модель думать
↗
2
2
-
0
2. Фундамент RAG — Искусство и наука Чанкинга
2 урока
7
4
0м
0
Закрытый
2.1
Чанкинг
↗
3
2
-
0
Закрытый
2.2
От семантики к атомарным фактам
↗
4
2
-
0
3. Сердце RAG — Эмбеддинги и векторный поиск
3 урока
5
3
0м
0
Закрытый
3.1
Как компьютер понимает смысл: Введение в эмбеддинги
↗
2
1
-
0
Закрытый
3.2
Узнать, где и как хранятся эти данные для сверхбыстрого поиска (
↗
2
1
-
0
Закрытый
3.3
Сложить эти два компонента в единую картину, объясняющую работу
↗
1
1
-
0