Курс на Stepik
Обложка курса «Введение в Qdrant: основы поисковой системы и RAG» на Stepik
Бесплатно

Введение в Qdrant: основы поисковой системы и RAG ★ 0.000

Открыть на
STEPIK.ORG

Базовый курс по Qdrant: векторной базе данных, на которой строятся семантический поиск, рекомендации и RAG. Начнём с теории, затем развернём Qdrant у себя и научимся управлять данными из кода. Если эти термины вам пока ничего не говорят, курс как раз для вас: мы разберём всё с нуля, знать векторные базы заранее не нужно.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Введение в Qdrant: основы поисковой системы и RAG»Учеников на курсе 0
Сертификаты, выданные на курсе «Введение в Qdrant: основы поисковой системы и RAG»Сертификатов выдано 0
Отзывы о курсе «Введение в Qdrant: основы поисковой системы и RAG»Отзывов получено 0
Рейтинг курса «Введение в Qdrant: основы поисковой системы и RAG»Рейтинг курса 0.000
Уроки в курсе «Введение в Qdrant: основы поисковой системы и RAG»Количество уроков 22
Тесты в курсе «Введение в Qdrant: основы поисковой системы и RAG»Количество квизов 59
Время прохождения курса «Введение в Qdrant: основы поисковой системы и RAG»Время прохождения курса —
Обновления курса «Введение в Qdrant: основы поисковой системы и RAG»Обновления курса — —
Дата публикации курса «Введение в Qdrant: основы поисковой системы и RAG»Дата публикации курса — ———
Последнее обновление курса «Введение в Qdrant: основы поисковой системы и RAG»Последнее обновление — ———

Чему вы научитесь

  • Объяснять, почему поиск по ключевым словам не ловит смысл, а векторный ловит
  • Понимать, как HNSW находит ближайшие векторы за миллисекунды
  • Выбирать метрику расстояния и модель эмбеддингов, в том числе для русского языка
  • Запускать Qdrant в Docker и подключаться к нему из Python: синхронным и асинхронным клиентом, через REST и gRPC
  • Работать с дашбордом и исправлять типичные ошибки новичков
  • Проектировать коллекции и точки, продумывать payload (данные, которые хранятся рядом с вектором)
  • Добавлять, читать, обновлять и удалять данные из кода

О курсе

Базовый курс по Qdrant: векторной базе данных, на которой строятся семантический поиск, рекомендации и RAG. Начнём с теории, затем развернём Qdrant у себя и научимся управлять данными из кода. Если эти термины вам пока ничего не говорят, курс как раз для вас: мы разберём всё с нуля, знать векторные базы заранее не нужно.

Для кого этот курс

Курс подойдёт тем, кто только знакомится с векторным поиском и Qdrant. Если вы разработчик, аналитик или ML-инженер и хотите понять, как устроен современный поиск, RAG-системы и рекомендации, начинайте отсюда. Опыта с векторными базами данных и глубоких знаний машинного обучения не нужно: всё, что понадобится, мы объясним по ходу курса. Достаточно уметь писать простой код на Python.

Начальные требования

Перед началом желательно знать:

  • базовый Python
  • базовые операции с Docker пригодятся, но не обязательны — все команды даны в курсе.

Преподаватели курса

Как проходит обучение

Каждый раздел - это теория плюс отдельный ноутбук с практикой. Ноутбук можно скачать и запустить локально в Docker или прямо в Google Colab — без сложной настройки окружения.

Внутри - примеры с разобранным реальным выводом  и задания с автопроверкой прямо на Stepik: вы пишете код сами, а не выбираете из готовых вариантов.

Вся практика курса построена на одной сквозной коллекции: вы собираете её один раз в начале и постепенно улучшаете. Так это выглядит и в реальной работе с хранилищем.

Что вы получите

  • Практический навык: от идеи до первой работающей системы на Qdrant, а не «умею вызвать один метод»
  • Востребованный стек: векторные базы и RAG сейчас лежат в основе почти любого продукта с поиском по смыслу или LLM-ассистентом
  • Понимание, как всё устроено внутри, чтобы самому проектировать хранение данных, а не собирать решение из кусочков документации и форумов
  • Готовый фундамент, на который можно наращивать более сложные темы: фильтрацию, гибридный поиск, продакшен

Нагрузка

3-4

Расскажите о курсе друзьям