Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Apprenez à passer d’appels LLM simples à des workflows RAG multimodaux avec Weaviate ! Vous verrez comment traiter des documents PDF pour extraire les contenus clés comme les paragraphes, les titres et les tableaux. Vous générerez des embeddings et stockerez ces données pour la recherche avec Weaviate. Enfin, vous rédigerez des invites de récupération efficaces à transmettre aux modèles génératifs. Pour couronner le tout, vous traiterez les PDF comme des images afin de capturer le contexte perdu des images et des graphiques. Vous utiliserez le modèle d’embeddings multimodal ColPali avec un modèle génératif multimodal d’OpenAI pour commencer à converser avec des images et des documents !
Prérequis
Programme de formation
Plan du cours
1
Fondamentaux de RAG avec Weaviate
Découvrez comment Weaviate rend possibles les applications RAG ! Vous construirez manuellement un workflow RAG de bout en bout pour vous familiariser avec les étapes Retrieval–Augmentation–Generation. Cette compréhension vous permettra, au chapitre 2, de mettre en place des workflows RAG plus robustes et optimisés avec Weaviate.
2
RAG de bout en bout avec Weaviate
Même s’il est amusant de coder des workflows RAG à la main, vous pourriez passer à côté d’optimisations offertes par des outils comme Weaviate. Dans ce chapitre, vous allez générer des embeddings, stocker, récupérer et générer des réponses, le tout avec Weaviate !
3
RAG multimodal
Dans le chapitre précédent, vous avez utilisé le contenu textuel des PDF pour construire vos segments de document, mais laissé de côté le contenu image. Cela fait perdre beaucoup de contexte potentiellement utile pour la récupération et la génération ! Dans ce chapitre, vous utiliserez les modèles multimodaux ColPali pour créer des embeddings et générer du texte et des images afin d’apporter davantage de contexte aux réponses de votre modèle.
RAG de bout en bout avec Weaviate
Cours
terminé
