Курс на Stepik
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
| Показатель | Текущие показатели | Рост | |||
|---|---|---|---|---|---|
| Значение | 🏆 Рейтинг | 3 дн | 7 дн | 30 дн | |
 Учеников на курсе |
54 | ||||
 Сертификатов выдано |
17 | ||||
 Отзывов получено |
4 | ||||
 Рейтинг курса |
3.750 | ||||
 Количество уроков |
10 | ||||
 Количество квизов |
20 | ||||
 Время прохождения курса |
— | ||||
 Стоимость курса |
4 500 ₽ | — | |||
 Обновления курса |
— | — | |||
 Дата публикации курса |
— | — | — | — | |
| Последнее обновление |
— | — | — | — | |
| Сложность | easy | — | — | — | — |
Качество курса ужасное. Рассказаны супер тривиальные вещи. Это все есть в том же youtube, куча видео бесплатно. НЕ РЕКОМЕНДУЮ
Максим, спасибо за обратную связь. Действительно, базовые концепции RAG можно найти в открытых источниках. Ценность курса — в структурированной подаче, работающем коде на GitHub и разборе конкретных LLM-моделей, чего на YouTube в таком сборе нет. Буду рад, если уточните, каких тем не хватило — учту в обновлениях.
Курс отличный. Начал изучать другие курсы - плюс этого в отсутствии воды. Очень понятно и хорошо, что концепции объясняются на подобранных примерах запросов-ответов, а не портянками текста с теоретизированем. Можно было бы оставить только видео ролики, кажется, что шаги с текстом, сгенерированным ИИ, это лишнее. Есть микро минусы субъективные и объективные. Объективный минус, что тема с распознаванием PDF объясняется использованием интернет сервиса, а не локального.
Спасибо за развёрнутый отзыв — особенно ценно, что вы сравнили с другими курсами и отметили отсутствие воды. Я сознательно строил подачу вокруг примеров запросов-ответов, а не теоретических «простыней», и рад, что этот подход сработал. По делу: — Текстовые шаги от ИИ. Вы правы, это эксперимент. Я оставил их как вспомогательный конспект к видео для тех, кому удобнее читать. Но если они воспринимаются как дублирование — учту в следующей итерации, возможно, сделаю их скрываемыми. — PDF через интернет-сервис. Полностью согласен — это компромиссное решение. Локальные парсеры PDF (PyMuPDF, unstructured) я тестировал, но они требуют нетривиальной настройки и в рамках курса это раздуло бы модуль вдвое. Однако вы правы — стоит добавить бонусный урок или статью с разбором локальных альтернатив.
Хороший курс. Дельный материал. Но совершенно отсутствует блок подготовки кода. Многое пришлось делать самому, чтобы скрипты заработали.
Дмитрий, спасибо за честный отзыв и за то, что не бросили курс, когда столкнулись с трудностями. Вы правы: в основном содержании курса блок подготовки кода был раскрыт недостаточно подробно. Однако я помню ваши вопросы под конкретными уроками — и рад, что мои оперативные ответы в комментариях помогли вам довести скрипты до рабочего состояния. Это, кстати, хороший мне сигнал: раз вам пришлось искать ответы в комментариях — значит, этой информации не хватает в самом курсе. Я как раз собираю наиболее частые вопросы из комментариев, чтобы оформить их либо в отдельный вводный модуль, либо в приложение с типовыми проблемами и решениями. Ваш опыт — прямое тому подтверждение. Спасибо, что оценили по существу, а не по эмоциям — это редкость.
Курс практический, для тех, кому реально надо настроить качественный поиск из документа, например по базе знаний. Изложение доступное, все понятно, есть видео где автор показывает что именно нужно делать по шагам. Отдельное спасибо за разбор конкретных языковых моделей. К курсу прилагается код на гитхаб с примерами. Я делал свой проект (поиск по базе знаний для техподдержки) параллельно с прохождением курса, дополнительно ничего не гуглил, все получилось. Курс рекомендую, однозначно стоит своих денег.
Вот ради таких отзывов я этот курс и делал. Вы прошли ровно тот путь, на который я рассчитывал: взяли материал, применили к своей задаче — и получили работающий поиск по базе знаний техподдержки без дополнительного гугления. Это лучшая валидация того, что структура курса рабочая. Отдельное спасибо, что отметили разбор языковых моделей — я специально уделил этому внимание, потому что выбор модели под задачу часто важнее, чем сам пайплайн RAG. Если ваш проект вырастет во что-то большее — буду рад услышать. Такие кейсы вдохновляют сильнее любых звёздочек.
