หลังจากเรียนคอร์สเหล่านี้ รู้สึกมั่นใจในการสร้างการแสดงผลข้อมูลและแดชบอร์ดระดับมืออาชีพ
Shoebur RahmanProcurement Specialist, Giz Bangladesh
รายละเอียดคอร์ส
เรียนรู้การพัฒนาจาก LLM แบบพื้นฐานไปสู่ RAG workflow แบบ multi-modal ด้วย Weaviate! คุณจะได้เรียนรู้วิธีประมวลผลเอกสาร PDF เพื่อดึงเนื้อหาสำคัญ เช่น ย่อหน้า หัวข้อ และตาราง จากนั้นนำข้อมูลเหล่านี้ไปฝังและจัดเก็บสำหรับการดึงข้อมูลด้วย Weaviate แล้วสร้าง prompt สำหรับการดึงข้อมูลที่มีประสิทธิภาพเพื่อส่งต่อให้โมเดล generative นอกจากนี้ยังจะได้ลองใช้ PDF ในรูปแบบรูปภาพ เพื่อดึงบริบทที่อาจสูญหายจากรูปภาพและกราฟ โดยใช้โมเดล embedding แบบ multi-modal อย่าง ColPali ร่วมกับโมเดล generative แบบ multi-modal จาก OpenAI เพื่อเริ่มสนทนากับรูปภาพและเอกสารได้อย่างเป็นธรรมชาติ!
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงร่างคอร์ส
1
พื้นฐาน RAG กับ Weaviate
สำรวจความสามารถของ Weaviate ในการสร้างแอปพลิเคชัน RAG! คุณจะได้สร้าง RAG workflow ตั้งแต่ต้นจนจบด้วยตนเอง เพื่อทำความเข้าใจขั้นตอน Retrieval-Augmentation-Generation อย่างถ่องแท้ ความเข้าใจนี้จะเป็นรากฐานให้สร้าง RAG workflow ที่มีประสิทธิภาพและได้รับการปรับแต่งอย่างเต็มที่ใน Chapter 2 โดยใช้ Weaviate
2
End-to-End RAG กับ Weaviate
แม้การเขียน RAG workflow ด้วยตนเองจะเป็นเรื่องที่น่าสนุก แต่อาจทำให้พลาดการปรับแต่งประสิทธิภาพที่เครื่องมืออย่าง Weaviate มีให้ ใน chapter นี้ คุณจะได้ฝังข้อมูล จัดเก็บ ดึงข้อมูล และสร้างคำตอบโดยใช้ Weaviate ทั้งหมด!
3
Multi-Modal RAG
ใน chapter ที่ผ่านมา คุณใช้เนื้อหาข้อความจากเอกสาร PDF เพื่อสร้าง document chunk แต่ยังไม่ได้นำเนื้อหารูปภาพมาใช้ ซึ่งทำให้สูญเสียบริบทจำนวนมากที่อาจเป็นประโยชน์ต่อการดึงข้อมูลและการสร้างคำตอบ ใน chapter นี้ คุณจะได้ใช้โมเดล multi-modal อย่าง ColPali เพื่อฝังและสร้างทั้งข้อความและรูปภาพ ช่วยให้โมเดลตอบสนองได้อย่างมีบริบทมากขึ้น
End-to-End RAG กับ Weaviate
เรียนคอร์สจบแล้ว
