Last chance: 50% off unlimited learning
Sale ends in
Descrizione del corso
Scopri come passare da semplici chiamate a LLM a workflow RAG multimodali con Weaviate! Imparerai a elaborare documenti PDF per estrarre contenuti testuali chiave come paragrafi, titoli e tabelle. Effettuerai l'embedding e archivierai questi dati per il recupero con Weaviate. Infine, progetterai prompt di retrieval efficaci da passare ai modelli generativi. Per completare il tutto, tratterai i PDF come immagini per recuperare il contesto perso da immagini e grafici. Userai il modello di embedding multimodale ColPali insieme a un modello generativo multimodale di OpenAI per iniziare a conversare con immagini e documenti!
Prerequisiti
Programma
Struttura del corso
1
Fondamenti di RAG con Weaviate
Scopri come Weaviate abilita le applicazioni RAG! Costruirai a mano un workflow RAG end-to-end per familiarizzare con i passaggi di Retrieval–Augmentation–Generation. Questa comprensione ti permetterà di creare workflow RAG robusti e ottimizzati nel Capitolo 2 usando Weaviate.
2
RAG end-to-end con Weaviate
Scrivere a mano i workflow RAG è divertente, ma potresti perdere ottimizzazioni offerte da strumenti come Weaviate. In questo capitolo farai embedding, archivierai, recupererai e genererai risposte, tutto usando Weaviate!
3
RAG multimodale
Nel capitolo precedente hai usato il contenuto testuale dei documenti PDF per creare i tuoi blocchi di documento, ma hai lasciato indietro il contenuto visivo. Questo comporta molta perdita di contesto che potrebbe essere utile per il recupero e la generazione! In questo capitolo userai i modelli multimodali ColPali per eseguire embedding e generare testo e immagini, così da fornire più contesto alle risposte del tuo modello.
RAG end-to-end con Weaviate
Corso
completato
