Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Aprenda a ir de chamadas simples a LLMs até fluxos de trabalho de RAG multimodal com o Weaviate! Você vai aprender a processar documentos PDF para extrair conteúdos de texto essenciais, como parágrafos, títulos e tabelas. Vai gerar embeddings e armazenar esses dados para recuperação com o Weaviate. Por fim, vai criar prompts de recuperação eficazes para passar a modelos generativos. Para fechar, você vai tratar PDFs como imagens para capturar o contexto perdido de figuras e gráficos. Você usará o modelo de embedding multimodal ColPali com um modelo generativo multimodal da OpenAI para começar a conversar com imagens e documentos!
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Fundamentos de RAG com Weaviate
Descubra como o Weaviate viabiliza aplicações de RAG! Você vai construir, manualmente, um fluxo de trabalho RAG de ponta a ponta para se familiarizar com as etapas de Recuperação-Augmentação-Geração. Esse entendimento permitirá fluxos de RAG robustos e otimizados no Capítulo 2 usando o Weaviate.
2
RAG de ponta a ponta com Weaviate
Embora codificar fluxos de trabalho de RAG manualmente seja divertido, você pode estar perdendo otimizações oferecidas por ferramentas como o Weaviate. Neste capítulo, você vai gerar embeddings, armazenar, recuperar e gerar respostas — tudo usando o Weaviate!
3
RAG Multimodal
No último capítulo, você usou o conteúdo de texto dos documentos PDF para construir seus blocos de documento, mas deixou o conteúdo de imagem de lado. Isso resulta em muita perda de contexto que pode ser útil para recuperação e geração! Neste capítulo, você vai usar os modelos multimodais ColPali para criar embeddings e gerar texto e imagens, fornecendo mais contexto para as respostas do seu modelo.
RAG de ponta a ponta com Weaviate
Curso
concluído
