Build your ultimate AI agent
Opis kursu
Naucz się przechodzić od prostych wywołań LLM do wielomodalnych przepływów pracy RAG z Weaviate! Dowiesz się, jak przetwarzać dokumenty PDF, aby wyodrębniać kluczowe treści tekstowe – akapity, nagłówki i tabele. Nauczysz się osadzać te dane i przechowywać je na potrzeby wyszukiwania z Weaviate. Na koniec stworzysz skuteczne prompty do wyszukiwania i przekażesz je modelom generatywnym. Zwieńczeniem kursu będzie traktowanie plików PDF jako obrazów – dzięki temu uchwycisz kontekst tracony przy obrazach i wykresach. Użyjesz wielomodalnego modelu osadzania ColPali oraz wielomodalnego modelu generatywnego od OpenAI, aby prowadzić rozmowy z obrazami i dokumentami!
Wymagania wstępne
Program kursu
Plan kursu
1
Podstawy RAG z Weaviate
Odkryj, jak Weaviate wspiera aplikacje RAG! Zbudujesz przepływ pracy RAG od podstaw, krok po kroku, aby poznać etapy wyszukiwania, wzbogacania i generowania. Ta wiedza pozwoli ci tworzyć solidne i zoptymalizowane przepływy RAG w rozdziale 2 z użyciem Weaviate.
2
End-to-End RAG z Weaviate
Ręczne kodowanie przepływów pracy RAG bywa wciągające, ale możesz w ten sposób omijać optymalizacje oferowane przez narzędzia takie jak Weaviate. W tym rozdziale nauczysz się osadzać, przechowywać, wyszukiwać i generować odpowiedzi – wszystko z wykorzystaniem Weaviate!
3
Wielomodalny RAG
W poprzednim rozdziale do budowania fragmentów dokumentów używałeś treści tekstowych z plików PDF, pomijając zawartość graficzną. Oznacza to utratę sporej ilości kontekstu, który mógłby być przydatny przy wyszukiwaniu i generowaniu odpowiedzi. W tym rozdziale użyjesz wielomodalnych modeli ColPali, aby osadzać tekst i obrazy, a tym samym dostarczać modelowi bogatszy kontekst.
End-to-End RAG z Weaviate
Kurs
ukończony
