Vendetta
Администратор
- Регистрация
- 16 Сен 2015
- Сообщения
- 187.041
- Реакции
- 425.864
Складчина: [Питер] RAG и генеративный ИИ. Создаем собственные RAG-пайплайны с помощью LlamaIndex, Deep Lake и Pinecon [Дэнис Ротман]
В книге описываются приемы создания эффективных больших языковых моделей, систем компьютерного зрения и генеративного ИИ, показывающих высокую производительность при относительно невысоких затратах. В ней приводится подробное исследование технологии RAG, а также подходов к проектированию мультимодальных пайплайнов ИИ и управлению ими. Связывая вывод с исходными документами, RAG повышает точность и контекстную релевантность результатов, предлагая динамический подход к управлению большими объемами информации.
Узнайте, как построить инфраструктуру RAG, попутно разобравшись с векторными хранилищами, фрагментацией, индексацией и ранжированием. Познакомьтесь с методами оптимизации производительности и приемами более глубокого изучения данных, включая использование адаптивного RAG и обратной связи от человека для уточнения поиска, тонкую настройку RAG, реализацию динамических RAG для поддержки принятия решений в реальном времени и визуализацию сложных данных с помощью графов знаний. Вы также увидите, как на практике объединить такие фреймворки, как LlamaIndex и Deep Lake, векторные базы данных наподобие Pinecone и Chroma и модели, предлагаемые компаниями Hugging Face и OpenAI. Приобретите навыки внедрения интеллектуальных решений, что повысит вашу конкурентоспособность в различных областях: от продакшна до обслуживания клиентов в любом проекте.
Тема: Библиотека программиста
Год: 2025
Страниц: 320
ISBN: 978-601-12-3149-7
Формат: Скан PDF
Стоимость: 1403
СКАЧАТЬ КУРСЫ
В книге описываются приемы создания эффективных больших языковых моделей, систем компьютерного зрения и генеративного ИИ, показывающих высокую производительность при относительно невысоких затратах. В ней приводится подробное исследование технологии RAG, а также подходов к проектированию мультимодальных пайплайнов ИИ и управлению ими. Связывая вывод с исходными документами, RAG повышает точность и контекстную релевантность результатов, предлагая динамический подход к управлению большими объемами информации.
Узнайте, как построить инфраструктуру RAG, попутно разобравшись с векторными хранилищами, фрагментацией, индексацией и ранжированием. Познакомьтесь с методами оптимизации производительности и приемами более глубокого изучения данных, включая использование адаптивного RAG и обратной связи от человека для уточнения поиска, тонкую настройку RAG, реализацию динамических RAG для поддержки принятия решений в реальном времени и визуализацию сложных данных с помощью графов знаний. Вы также увидите, как на практике объединить такие фреймворки, как LlamaIndex и Deep Lake, векторные базы данных наподобие Pinecone и Chroma и модели, предлагаемые компаниями Hugging Face и OpenAI. Приобретите навыки внедрения интеллектуальных решений, что повысит вашу конкурентоспособность в различных областях: от продакшна до обслуживания клиентов в любом проекте.
Тема: Библиотека программиста
Год: 2025
Страниц: 320
ISBN: 978-601-12-3149-7
Формат: Скан PDF
Стоимость: 1403
СКАЧАТЬ КУРСЫ
Для просмотра скрытого содержимого вы должны зарегистрироваться
Возможно, Вас ещё заинтересует:
- Электронная тетрадь по технологии 9-й класс ФГОС [Videouroki]
- От слова к фразе [МелеШкола] [Ольга Мелешкевич]
- Антиконтент. Как делать контент на неделю за 1 час, избежать выгорания и повысить свои шансы на успех [Тариф Самостоятельный] [Алекс Мерзляков]
- [Вязание] Бесшовный топ сверху Montpellier [Вяжи.ру] [November Knits]
- Технология 10–11 классы ФГОС [Videouroki]
- Технология 8 класс ФГОС [Videouroki]
- [Вязание] Текстурный топ Woollahra Tee спицами [Вяжи.ру] [Marzena Kołaczek]
- Щучьи посиделки. Шаманская встреча [Институт Открытого поля] [Марина Щукина]