Курс на Stepik
Обложка курса «RAG на Python: чат-бот по своим данным с pgvector» на Stepik
990 ₽

RAG на Python: чат-бот по своим данным с pgvector ★ 0.000

Открыть на
STEPIK.ORG

Соберите RAG-пайплайн руками: chunking, embeddings, векторный поиск в PostgreSQL (pgvector), гибрид с reranking и метрики качества. 125 задач на код с автопроверкой в браузере, без API-ключа и VPN. В финале — чат-бот по своей базе знаний со скрытыми тестами. Нужен опыт вызова LLM из Python.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «RAG на Python: чат-бот по своим данным с pgvector»Учеников на курсе 2
Сертификаты, выданные на курсе «RAG на Python: чат-бот по своим данным с pgvector»Сертификатов выдано 0
Отзывы о курсе «RAG на Python: чат-бот по своим данным с pgvector»Отзывов получено 0
Рейтинг курса «RAG на Python: чат-бот по своим данным с pgvector»Рейтинг курса 0.000
Уроки в курсе «RAG на Python: чат-бот по своим данным с pgvector»Количество уроков 40
Тесты в курсе «RAG на Python: чат-бот по своим данным с pgvector»Количество квизов 113
Задачи с кодом в курсе «RAG на Python: чат-бот по своим данным с pgvector»Количество задач с кодом 125
Стоимость курса «RAG на Python: чат-бот по своим данным с pgvector»Стоимость курса 990 ₽ —
Обновления курса «RAG на Python: чат-бот по своим данным с pgvector»Обновления курса — —
Дата публикации курса «RAG на Python: чат-бот по своим данным с pgvector»Дата публикации курса — ———
Последнее обновление курса «RAG на Python: чат-бот по своим данным с pgvector»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «RAG на Python: чат-бот по своим данным с pgvector» 9 разделов Уроки в курсе «RAG на Python: чат-бот по своим данным с pgvector» 40 уроков Тесты в курсе «RAG на Python: чат-бот по своим данным с pgvector» 113 тестов Задачи в курсе «RAG на Python: чат-бот по своим данным с pgvector» 125 задач Последнее обновление курса «RAG на Python: чат-бот по своим данным с pgvector» обн. 31 августа 2026

О курсе

2 урока
1. О курсе ↗
2. Расскажи о себе ↗

Зачем RAG: от «всё в промпт» к пайплайну

4 урока
1. Почему не запихнуть всё в промпт ↗
2. Архитектура пайплайна: два контура ↗
3. RAG vs fine-tuning vs длинный контекст ↗
4. Корпус курса: 12 документов ShopDB и QA-набор ↗

Подготовка данных и chunking

5 уроков
1. Загрузка и очистка: из файлов в Document ↗
2. Chunking по размеру: fixed-size и overlap ↗
3. Структурный chunking: по абзацам и заголовкам ↗
4. Измерение качества чанков ↗
5. Практикум: подготовка корпуса (interleaved) ↗

Embeddings и косинусная близость

4 урока
1. Смысл как вектор ↗
2. Игрушечные embeddings: механика руками ↗
3. Выбор embedding-модели и RU-embeddings (обновляемый) ↗
4. Практикум: вектора и близость (interleaved) ↗

Векторное хранилище: pgvector

5 уроков
1. Зачем хранилище: от списков к БД ↗
2. Поиск по векторам в SQL: оператор <=> ↗
3. Лаба: pgvector своими руками ↗
4. Метаданные в хранилище: фильтры (+ индексы обзорно) ↗
5. Альтернативы (обзор) + мини-практикум хранилища ↗

Retrieval: точность выдачи и обработка запроса

5 уроков
1. Top-k и пороги: сколько и что отдавать в контекст ↗
2. MMR: разнообразие вместо дублей ↗
3. Фильтры по метаданным при retrieval ↗
4. Query-обработка: rewriting и multi-query ↗
5. Практикум: retrieval под контролем (interleaved) ↗

Гибридный поиск и reranking

5 уроков
1. Когда вектора промахиваются: BM25 руками ↗
2. RRF: слияние ранжирований ↗
3. Reranking: top-50 → top-5 ↗
4. Сборка гибридного пайплайна + цитирование ↗
5. Практикум: гибрид под нагрузкой вопросов (interleaved) ↗

Оценка качества и безопасность контекста

6 уроков
1. Retrieval-метрики: precision@k и recall@k ↗
2. Grounding: faithfulness-overlap ↗
3. Эксперименты: сравниваем конфигурации пайплайна ↗
4. Санитизация RAG-контекста: injection через документы ↗
5. SQL-RAG: когда ответ лежит в таблицах — обзор БЕЗ практики ↗
6. GraphRAG: когда связи важнее близости — обзор БЕЗ практики ↗

Капстоун: чат-бот по базе знаний ShopDB

4 урока
1. ТЗ: поддержка-бот от загрузки до CLI ↗
2. Сборка ядра (скрытые таблицы кейсов, строгий маркер) ↗
3. Финал: скрытые тесты + финал-лаба + артефакт ↗
4. Разбор и «Куда дальше» — финальный мост A->B->C ↗