Ga naar hoofdinhoud
HomePython

Cursus

End-to-End RAG met Weaviate

GemiddeldVaardigheidsniveau
Bijgewerkt 03-2026
Word een expert in RAG met Weaviate! Voeg tekst en afbeeldingen toe om ze later terug te vinden en probeer vector-, BM25- en hybride zoekopdrachten uit.
Start Cursus Kosteloos
PythonArtificial Intelligence
2 u
4 videos
14 Opdrachten
1,200 XP
Bewijs van Prestatie

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Group

Een team trainen?

Probeer voor bedrijven

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

Working with the OpenAI API
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.
Hoofdstuk beginnen
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!
Hoofdstuk beginnen
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.
Hoofdstuk beginnen
End-to-End RAG met Weaviate
Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met End-to-End RAG met Weaviate!

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.

Download on the App StoreGet it on Google Play