Last chance: 50% off unlimited learning
Sale ends in
कोर्स विवरण
Weaviate के साथ सरल LLM कॉल्स से मल्टी-मोडल RAG वर्कफ़्लो तक कैसे जाएँ, यह सीखें! आप PDF डॉक्यूमेंट्स को प्रोसेस करके पैराग्राफ, हेडिंग्स, और टेबल्स जैसे प्रमुख टेक्स्ट कंटेंट निकालना सीखेंगे। आप इस डेटा को Weaviate के साथ एम्बेड करके स्टोर करेंगे ताकि उसे रिट्रीव किया जा सके। अंत में, आप जनरेटिव मॉडल्स को देने के लिए असरदार रिट्रीवल प्रॉम्प्ट्स तैयार करेंगे। अंत में, आप PDFs को इमेज़ की तरह ट्रीट करेंगे ताकि इमेज और प्लॉट्स से खोया संदर्भ भी कैप्चर हो सके। आप ColPali मल्टी-मोडल एम्बेडिंग मॉडल और OpenAI के मल्टी-मोडल जनरेटिव मॉडल का उपयोग करके इमेज और डॉक्यूमेंट्स के साथ बातचीत शुरू करेंगे!
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
Weaviate के साथ RAG की बुनियादी बातें
जानें कि Weaviate RAG एप्लिकेशंस को कैसे सक्षम बनाता है! आप Retrieval-Augmentation-Generation के चरणों से परिचित होने के लिए हाथों-हाथ एक एंड-टू-एंड RAG वर्कफ़्लो बनाएँगे। यह समझ Chapter 2 में Weaviate का उपयोग करके मज़बूत और ऑप्टिमाइज़्ड RAG वर्कफ़्लो बनाने में आपकी मदद करेगी।
2
Weaviate के साथ एंड-टू-एंड RAG
हालाँकि हाथों-हाथ RAG वर्कफ़्लो कोड करना अच्छा लगता है, लेकिन आप Weaviate जैसे टूल्स द्वारा दी जाने वाली ऑप्टिमाइज़ेशन मिस कर सकते हैं। इस अध्याय में, आप Weaviate का उपयोग करके एम्बेड, स्टोर, रिट्रीव और रिस्पॉन्स जनरेट — सब कुछ — करेंगे!
3
मल्टी-मोडल RAG
पिछले अध्याय में, आपने अपने डॉक्यूमेंट चंक्स बनाने के लिए PDF डॉक्यूमेंट्स के टेक्स्ट कंटेंट का उपयोग किया, लेकिन इमेज कंटेंट को छोड़ दिया। इसका नतीजा यह हुआ कि बहुत-सा संदर्भ खो गया, जो रिट्रीवल और जनरेशन के लिए उपयोगी हो सकता था! इस अध्याय में, आप ColPali मल्टी-मोडल मॉडल्स का उपयोग करके टेक्स्ट और इमेज दोनों को एम्बेड और जनरेट करेंगे ताकि आपके मॉडल रिस्पॉन्स के लिए अधिक संदर्भ मिल सके।
Weaviate के साथ एंड-टू-एंड RAG
कोर्स
पूर्ण
