Last chance: 50% off unlimited learning
Sale ends in
Cursusbeschrijving
Leer hoe je van simpele LLM-calls naar multi-modale RAG-workflows met Weaviate gaat! Je leert hoe je PDF-documenten verwerkt om belangrijke tekstinhoud zoals alinea's, koppen en tabellen te extraheren. Je embedt en slaat deze data op voor retrieval met Weaviate. Tot slot maak je effectieve retrieval-prompts om door te geven aan generatieve modellen. Ter afronding behandel je PDF's als afbeeldingen zodat je context kunt meenemen die verloren gaat bij afbeeldingen en grafieken. Je gebruikt het ColPali multi-modale embeddingmodel met een multi-modaal generatief model van OpenAI om gesprekken te starten met afbeeldingen en documenten!
Vereisten
Lesprogramma
Cursusoverzicht
1
RAG-basis met Weaviate
Ontdek hoe Weaviate RAG-toepassingen mogelijk maakt! Je bouwt een RAG-workflow stap voor stap met de hand om vertrouwd te raken met de stappen Retrieval-Augmentation-Generation. Dit begrip stelt je in staat om in Hoofdstuk 2 robuuste en geoptimaliseerde RAG-workflows te maken met Weaviate.
2
End-to-End RAG met Weaviate
Hoewel RAG-workflows met de hand schrijven leuk is, mis je mogelijk optimalisaties van tools zoals Weaviate. In dit hoofdstuk ga je embedden, opslaan, ophalen en antwoorden genereren — allemaal met Weaviate!
3
Multi-modale RAG
In het vorige hoofdstuk gebruikte je de tekstinhoud uit de PDF-documenten om je documentchunks te bouwen, maar liet je de beeldinhoud achterwege. Daardoor gaat veel context verloren die nuttig kan zijn voor retrieval en generatie! In dit hoofdstuk gebruik je ColPali multi-modale modellen om tekst en afbeeldingen te embedden en te genereren, zodat je meer context aan je modelantwoorden kunt meegeven.
End-to-End RAG met Weaviate
Cursus
voltooid
