Учебное пособие по AWS Bedrock: RAG с использованием OpenSearch и Titan Embeddings скачать в хорошем качестве

Учебное пособие по AWS Bedrock: RAG с использованием OpenSearch и Titan Embeddings

Описание В этой части нашей серии GenAI мы подробно рассмотрим ядро ​​конвейера RAG: базы знаний AWS Bedrock. Вы узнаете, как автоматизировать сложную работу по генерации данных с дополненной реальностью (Retrieval-Augmented Generation, RAG), подключив Amazon S3 к векторной базе данных без написания сложных скриптов для загрузки данных. В этом видео мы рассмотрим: Создание базы знаний: настройка Bedrock в регионе Мумбаи (ap-south-1). Загрузка данных: подключение корзин S3 и настройка стратегий парсинга. Логика разбиения на фрагменты: как разбить документы на фрагменты по 300 токенов для оптимального поиска. Настройка векторной базы данных: автоматическое выделение ресурсов Amazon OpenSearch Serverless. Встраивание Titan v2: использование новейших моделей встраивания Amazon для преобразования текста в числовые форматы. Процесс синхронизации: взгляд изнутри на то, как Bedrock анализирует, разбивает на фрагменты и хранит данные. Интеграция приложений: поиск и использование идентификатора вашей базы знаний в файле .env. Эта настройка упрощает весь процесс RAG, обрабатывая все, от хранения документов до поиска похожих элементов, в фоновом режиме. 🛠 Технологический стек: Amazon Bedrock Amazon OpenSearch Serverless Amazon Titan Text Embeddings v2 Amazon S3