Курс на Stepik
Обложка курса «RAG-инженер: от вектора до продакшн-системы» на Stepik
859 ₽

RAG-инженер: от вектора до продакшн-системы ★ 0.000

Открыть на
STEPIK.ORG

Научитесь создавать RAG-системы с нуля до продакшна. Курс даёт полный стек: эмбеддинги, векторные БД (Qdrant,Chroma), чанкинг, гибридный поиск, реранкинг, оценку качества (RAGAS) и деплой через FastAPI. Вы соберёте поиск по документам, научитесь бороться с галлюцинациями LLM, внедрите цитирование источников и продвинутые техники — HyDE, GraphRAG, агентную коррекцию. Всё на Python с живыми примерами и реальными кейсами. Финальный проект — готовый ассистент для базы знаний, который можно добавить в портфолио.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «RAG-инженер: от вектора до продакшн-системы»Учеников на курсе 32
Сертификаты, выданные на курсе «RAG-инженер: от вектора до продакшн-системы»Сертификатов выдано 0
Отзывы о курсе «RAG-инженер: от вектора до продакшн-системы»Отзывов получено 0
Рейтинг курса «RAG-инженер: от вектора до продакшн-системы»Рейтинг курса 0.000
Уроки в курсе «RAG-инженер: от вектора до продакшн-системы»Количество уроков 29
Тесты в курсе «RAG-инженер: от вектора до продакшн-системы»Количество квизов 34
Стоимость курса «RAG-инженер: от вектора до продакшн-системы»Стоимость курса 859 ₽ —
Обновления курса «RAG-инженер: от вектора до продакшн-системы»Обновления курса — —
Дата публикации курса «RAG-инженер: от вектора до продакшн-системы»Дата публикации курса — ———
Последнее обновление курса «RAG-инженер: от вектора до продакшн-системы»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «RAG-инженер: от вектора до продакшн-системы» 11 разделов Уроки в курсе «RAG-инженер: от вектора до продакшн-системы» 29 уроков Тесты в курсе «RAG-инженер: от вектора до продакшн-системы» 34 теста Последнее обновление курса «RAG-инженер: от вектора до продакшн-системы» обн. 21 августа 2026

Введение

1 урок
1. О курсе ↗

Введение в RAG: зачем и как это работает

3 урока
1. Проблема «застывших» знаний LLM ↗
2. Анатомия RAG-системы ↗
3. Сравнение подходов: Fine-tuning vs RAG vs Agents ↗

Эмбеддинги и семантический поиск

3 урока
1. Что такое эмбеддинг и как его получить ↗
2. Меры близости и выбор модели под задачу ↗
3. Пишем семантический поиск руками ↗

Векторные базы данных на практике

3 урока
1. Векторные БД: принципы и сравнение ↗
2. Qdrant: коллекции, фильтры, payload ↗
3. Интеграция с ChromaDB и FAISS ↗

Подготовка данных: парсинг и чанкинг

3 урока
1. Загрузка документов: PDF, HTML, Word ↗
2. Стратегии чанкинга ↗
3. Подбор параметров и метаданные ↗

Первый рабочий RAG: сборка end-to-end

3 урока
1. Индексация и ретривал в одном пайплайне ↗
2. Промптинг для RAG и цитирование источников ↗
3. Сборка без фреймворков vs LangChain ↗

Диагностика и улучшение качества

3 урока
1. Диагностика: в чём проблема — в поиске или в генерации? ↗
2. Гибридный поиск и реранкинг ↗
3. Расширение запросов и трансформация ↗

Оценка качества (Evaluation)

3 урока
1. Метрики ретривала ↗
2. Метрики генерации и RAGAS ↗
3. Сбор золотого набора и тестирование ↗

Продвинутые архитектуры RAG

3 урока
1. Small-to-big и Contextual Retrieval ↗
2. GraphRAG и мультимодальный RAG ↗
3. Агентный RAG и само-коррекция ↗

Деплой и эксплуатация в продакшне

3 урока
1. RAG как сервис: FastAPI + Docker ↗
2. Мониторинг и наблюдаемость ↗
3. Капстоун-проект: Assistant для базы знаний ↗

Заключение

1 урок
1. Конец курса ↗