Vendetta
Администратор
- Регистрация
- 16 Сен 2015
- Сообщения
- 240.436
- Реакции
- 426.072
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:
- Клуб Минус отёки. Плоский живот (октябрь 2026) [Мария Фомичева]
- Остеопатическая коррекция щитовидной железы [Ксения Корнеева]
- Дыхание Тела [Дарья Бутусова]
- Когнитивно-поведенческая терапия: мастерство и эффективность. Модуль 2 [Тариф Слушатель] [Юлия Горячева, Аарон Бек, Дэвид Барлоу]
- Обольстить химией. Вещества на все случаи жизни [Илья Чикунов]
- Анализы, обследования и интерпретация результатов. Универсальное руководство для ежедневной практики [Олег Сумин]
- Как держать стресс под контролем [Альфа Курс]
- Наём зумеров: как привлекать и удерживать молодых специалистов [Альфа Курс] [Вероника Храмкова]