Чему вы научитесь
- Создавать системы семантического поиска с использованием векторных эмбеддингов и ChromaDB
- Разрабатывать полноценные RAG-системы для ответов на вопросы по корпоративным документам
- Интегрировать языковые модели с поисковыми системами для генерации точных ответов
- Работать с различными источниками данных: PDF, веб-страницы, текстовые документы
- Визуализировать и анализировать качество векторного поиска с помощью UMAP
- Применять продвинутые техники Query Expansion для улучшения результатов поиска
- Выбирать оптимальные модели эмбеддингов для конкретных задач
- Диагностировать и устранять проблемы в RAG-системах
- Оптимизировать производительность и качество поисковых результатов
- Разбивать документы на оптимальные чанки для индексации
- Создавать интерактивные инструменты для тестирования и отладки RAG-систем
О курсе
Практический курс по созданию систем RAG (Retrieval-Augmented Generation) - современного подхода к построению интеллектуальных систем вопросов-ответов. Курс охватывает семантический поиск, работу с векторными эмбеддингами, создание полного RAG pipeline, анализ проблем векторного поиска и продвинутые техники улучшения качества. Включает 7 практических модулей с готовым кодом, интерактивными демонстрациями и визуализациями
Для кого этот курс
Этот курс создан для разработчиков и специалистов, которые хотят научиться создавать современные интеллектуальные системы поиска и обработки информации.
Курс подойдет вам, если вы:
- Разработчик, изучающий технологии искусственного интеллекта и машинного обучения
- Специалист по обработке естественного языка (NLP)
- Инженер, работающий с поисковыми системами и базами данных
- Data scientist, желающий освоить практическое применение эмбеддингов
- Технический специалист, которому нужно создать систему поиска по корпоративным документам
- Backend-разработчик, планирующий интегрировать AI-возможности в свои проекты
- Студент или исследователь, интересующийся современными подходами к работе с текстовыми данными
Для успешного прохождения курса вам потребуется:
- Базовые знания Python (работа с переменными, функциями, классами)
- Понимание основ программирования
- Желание экспериментировать с новыми технологиями
- Компьютер с минимум 8 ГБ RAM
Не требуется:
- Глубокие знания математики или статистики
- Опыт работы с нейронными сетями
- Предварительное знание машинного обучения
Курс построен по принципу "от простого к сложному", поэтому даже если вы новичок в области AI, вы сможете освоить материал и создать работающие системы.
Начальные требования
- Базовые знания Python (работа с переменными, функциями, классами)
- Понимание основ программирования
- Желание экспериментировать с новыми технологиями
- Компьютер с минимум 8 ГБ RAM
Преподаватели курса
186
Как проходит обучение
По каждому уроку есть видео-лекция, слайды и тест для проверки знаний.
Смотрите видео, закрепляете знания с помощью слайдов и решаете несложные тестовые задачки.
Для получения практических навыков рекомендуется скачать пример кода и поэкспериментировать.
Сертификат
Успешно завершив курс, вы получите сертификат от платформы Stepik. Уже 14 учеников получили сертификат.
Что вы получите
- Практические навыки
- Создание интеллектуальных поисковых систем
- Работа с векторными базами данных
- Интеграция с языковыми моделями
- Анализ и улучшение качества поиска
- Готовый код
- 6 полностью рабочих модулей
- Интерактивные демонстрации
- Визуализации и инструменты отладки
- Примеры для различных сценариев
- Глубокое понимание
- Как работает семантический поиск
- Почему векторный поиск иногда ошибается
- Как улучшить качество результатов
- Какие техники используются в production