Состав курса, уровни, практика и способы проверки знаний.
Курс включает 10 тем и 73 вопроса с разбором ответа. Начать можно с первой темы курса.
Маршрут охватывает уровни Middle. Темы расположены от основы к более сложным инженерным задачам, поэтому можно начать с подходящего места и не пропускать важные зависимости.
Полный курс по созданию Retrieval-Augmented Generation (RAG) систем на Python. Вы узнаете, как построить интеллектуальную систему ответов на вопросы, используя собственные документы. Курс охватывает: векторные представления текста (embeddings), векторные базы данных, стратегии разделения текста, загрузку различных форматов документов, стратегии поиска и retrieval, интеграцию с LLM, создание эффективных промптов, оценку качества и развёртывание в продакшене. Подходит для разработчиков с базовым знанием Python, которые хотят освоить практическое применение LLM и RAG-архитектуры.
Доступен после всех тем (0 из 10)
Доступен после зачёта
Архитектура, объединяющая поиск релевантных документов (retrieval) с генерацией ответов через LLM (generation). Позволяет LLM отвечать на основе конкретных документов, а не только внутренних знаний.
Пример
RAG-система находит раздел HR-политики про отпуск и генерирует ответ сотруднику.Связанные термины
После прохождения тем доступен зачёт по курсу «RAG на Python: от основ до продакшена» — 20 случайных вопросов с порогом 80%. После зачёта открывается экзамен с развёрнутыми ответами и автоматической оценкой, приближённый к техническому собеседованию.
Да, курс полностью бесплатный: все 10 тем доступны без оплаты.