Основы RAG и Fine-Tuning. Учим приложение отвечать на вопросы в контексте ваших документов скачать в хорошем качестве

Основы RAG и Fine-Tuning. Учим приложение отвечать на вопросы в контексте ваших документов

Хотите создать интеллектуальное приложение, которое понимает ваши документы и отвечает на вопросы по ним? На этом уроке вы узнаете, как реализовать этот подход и построить такую систему с помощью RAG (Retrieval-Augmented Generation) и дообучения (fine-tuning). На открытом уроке рассмотрим: Введение в концепции RAG и Fine-tuning: чем они отличаются, как сочетаются, когда использовать каждый подход; Обзор технологий и инструментов: LangChain, LlamaIndex, Haystack, FAISS, Chroma, Weaviate, GPT, BERT, LLaMA и др.; Практический пример: подключим PDF-документы и создадим простое приложение, которое “читает” и отвечает по ним. После урока вы будете знать: Как работает RAG: поиск + генерация на основе найденных фрагментов; Когда лучше дообучать LLM, а когда достаточно RAG; Как загрузить и индексировать свои документы, чтобы LLM мог отвечать по ним; Как связать всё это в работающий прототип: данные - индекс - LLM - ответ. «AI-агенты: продвинутое внедрение и использование» - https://otus.pw/3ffN/ Преподаватель: Игорь Стурейко - Teamlead, главный инженер Презентация - https://otus.pw/tF05/ Блокнот - https://otus.pw/EB5u/ Пройдите опрос по итогам мероприятия - https://otus.pw/S5pu/ Следите за новостями проекта: → VK: https://vk.com/otusru → Telegram: https://t.me/Otusjava → Хабр: https://otus.pw/S0nM/