Курс на Stepik
Обложка курса «Vector DB & RAG Developer» на Stepik
5 990 ₽

Vector DB & RAG Developer ★ 5.000

Открыть на
STEPIK.ORG

Практический курс по векторным базам данных и семантическому поиску. Вы развернёте Qdrant, Weaviate и FAISS, научитесь индексировать миллионы эмбеддингов, строить k-NN-поиск с фильтрами, объединять его с BM-25 и создавать RAG-ботов, которые отвечают на вопросы на основе ваших данных.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Vector DB & RAG Developer»Учеников на курсе 152
Сертификаты, выданные на курсе «Vector DB & RAG Developer»Сертификатов выдано 10
Отзывы о курсе «Vector DB & RAG Developer»Отзывов получено 2
Рейтинг курса «Vector DB & RAG Developer»Рейтинг курса 5.000
Уроки в курсе «Vector DB & RAG Developer»Количество уроков 30
Тесты в курсе «Vector DB & RAG Developer»Количество квизов 161
Задачи с кодом в курсе «Vector DB & RAG Developer»Количество задач с кодом 13
Время прохождения курса «Vector DB & RAG Developer»Время прохождения курса —
Стоимость курса «Vector DB & RAG Developer»Стоимость курса 5 990 ₽ —
Обновления курса «Vector DB & RAG Developer»Обновления курса — —
Дата публикации курса «Vector DB & RAG Developer»Дата публикации курса — ———
Последнее обновление курса «Vector DB & RAG Developer»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Vector DB & RAG Developer» 9 разделов Уроки в курсе «Vector DB & RAG Developer» 30 уроков Тесты в курсе «Vector DB & RAG Developer» 161 тест Задачи в курсе «Vector DB & RAG Developer» 13 задач Время прохождения курса «Vector DB & RAG Developer» 5 ч. Последнее обновление курса «Vector DB & RAG Developer» обн. 8 февраля 2026

1. Введение

1 урок
Закрытый
1.1 Вводный урок ↗
126
126
1м 40с
2

2. Эмбеддинги и их природа

2 урока
Закрытый
2.1 Введение в семантический поиск и эмбеддинги ↗
110
71
9м 56с
7
Закрытый
2.2 Инструменты для работы с эмбеддингами ↗
92
71
15м 40с
0

3. Qdrant

4 урока
Закрытый
3.1 Зачем нужны специальные векторные БД? ↗
89
62
13м 53с
0
Закрытый
3.2 Qdrant: векторная база данных на Rust ↗
78
56
10м 6с
0
Закрытый
3.3 Повседневная работа с Qdrant: поиск, удаление, обновление ↗
70
38
24м 20с
1
Закрытый
3.4 Qdrant: дополнительные функции и кластеризация ↗
57
4
33м 37с
-1

4. Weaviate

4 урока
Закрытый
4.1 Weaviate: поиск с помощью графа знаний ↗
55
21
12м 44с
0
Закрытый
4.2 Быстрый старт с встроенным GraphQL Playground ↗
38
10
6м 46с
0
Закрытый
4.3 Работа с Weavite в Python ↗
29
12
4м 57с
0
Закрытый
4.4 Weaviate: граф знаний, GraphQL и мультимодальный поиск ↗
36
1
11м 35с
0

5. FAISS

5 уроков
Закрытый
5.1 FAISS: библиотека быстрого поиска соседей ↗
38
13
6м 23с
0
Закрытый
5.2 FAISS: типы индексов, GPU и миллионы векторов ↗
27
11
11м 13с
0
Закрытый
5.3 Повседневная работа с FAISS — синтаксис и лучшие практики ↗
21
10
10м 27с
0
Закрытый
5.4 Проверка теории ↗
21
8
-
0
Закрытый
5.5 Лабораторные ↗
24
0
-
0

6. Поиск по вектору: k-NN, фильтрация, гибридный поиск

3 урока
Закрытый
6.1 Поиск k ближайших соседей ↗
39
21
4м 23с
0
Закрытый
6.2 Фильтрация результатов поиска ↗
31
18
5м 57с
0
Закрытый
6.3 Гибридный поиск (объединение семантики и ключевых слов) ↗
36
18
4м 36с
1

7. Реализация RAG-бота, мультимодальный поиск

6 уроков
Закрытый
7.1 Что такое RAG и зачем оно нужно ↗
44
28
4м 29с
0
Закрытый
7.2 Мультимодальный поиск (текст + изображение) ↗
42
13
12м 21с
1
Закрытый
7.3 Индекс и мультивекторы ↗
36
12
5м 55с
0
Закрытый
7.4 QueryInterface deep-dive ↗
34
5
3м 52с
1
Закрытый
7.5 Гибридный поиск и реранк ↗
78
20
10м 59с
0
Закрытый
7.6 Порог «не знаю»: конфиденс/правила отказа ↗
103
1
9м 24с
-1

8. Метрики качества поиска: Recall@K

3 урока
Закрытый
8.1 Классические метрики ↗
55
14
24м 33с
0
Закрытый
8.2 Современные метрики ↗
45
18
17м 52с
0
Закрытый
8.3 Как построить дашборд для мониторинга качества ↗
48
15
10м 44с
0

9. Работа с Git, CI/CD (GitHub Actions)

2 урока
Закрытый
9.1 Основы системы контроля версий Git ↗
27
20
1м 6с
0
Закрытый
9.2 Непрерывная интеграция и доставка: CI/CD с GitHub Actions ↗
24
19
1м 10с
0