Cohere: LLM University на русском — курс Cohere LLM University

Университетский курс по LLM: embeddings, классификация, RAG, retrieval, генерация текста.

Cohere: LLM University подойдёт разработчикам и инженерам данных среднего уровня, которые хотят разобраться, как на практике строятся приложения на больших языковых моделях: от эмбеддингов и семантического поиска до RAG и агентов. Это официальные учебные материалы Cohere на русском языке, они открываются без VPN, а первые три урока бесплатны. Объём внушительный: 114 текстовых уроков, в сумме около 570 минут чтения и кода. Видео нет, зато каждый урок можно открыть рядом с редактором и сразу повторять шаги в собственном проекте, сверяясь с примерами.

У материала два слоя. Первый выстроен как последовательный учебник: главы об установке и первых шагах, генерации текста, чат-ботах, семантическом поиске, переранжировании, RAG и агентах с инструментами, причём эти главы представлены в двух вариантах, исходном и обновлённом. Рядом лежат теоретические уроки о том, что такое текстовые эмбеддинги, как измерять сходство слов и предложений, какие параметры управляют ответом модели и как составлять промпты для Command. Этот слой логично читать по порядку, если вы начинаете с нуля.

Второй слой устроен как сборник прикладных примеров, и его удобнее открывать выборочно. Здесь есть поиск на Elasticsearch, Redis, Pinecone, Weaviate и MongoDB, стратегии разбиения текста на чанки, ответы RAG со ссылками на источники и оценка качества RAG. Большой блок посвящён агентам: ReAct-агент на Command R+, многошаговый вызов инструментов, SQL-агент, разбор финансовых данных из CSV и серия из шести частей про агентный RAG. Отдельно разобраны дообучение Command R и Rerank, классификация текста на эмбеддингах, саммари встреч, а также работа моделей Cohere на AWS в Bedrock и SageMaker.

Разумная стратегия выглядит так: пройти основные главы, чтобы понять базовые приёмы, а затем брать из прикладной части только те уроки, которые совпадают с вашей задачей. После этого вы сможете строить семантический поиск на эмбеддингах, собирать RAG-системы с многошаговым использованием инструментов, делать агентов-аналитиков данных на Cohere и LangChain, а также классифицировать и генерировать текст моделями Cohere. Для тех, кто искал курс по LLM и RAG на русском с реальным кодом, это материал, к которому удобно возвращаться как к справочнику по мере роста проекта.

Курс из программы Cohere LLM University (Кохир) на русском языке. Первые 3 3 урока бесплатно, без VPN.

Официальный курс Cohere в переводе на русский язык. Открывается без VPN: все уроки, видео и субтитры уже переведены и лежат на нашей платформе. 114 уроков, первые 3 бесплатно, дальше разовая оплата без подписки.

Уровень: Средний. Длительность: около 570 минут. Формат: текст с примерами.

Что вы сможете после курса

Почему этому курсу можно доверять

Уроки курса

  1. RAG на Elasticsearch и Cohere
  2. Cohere и Redis: быстрый векторный поиск
  3. Семантический поиск через Embed Jobs
  4. Семантический поиск на Embed Jobs и Pinecone
  5. Поиск по картинкам и тексту одновременно
  6. RAG с нуля: самая простая версия
  7. RAG с нуля: вторая версия
  8. Семантический поиск по Википедии на эмбеддингах Cohere
  9. Агент-аналитик данных на Cohere и LangChain
  10. ReAct-агент на Command R+ со своими инструментами
  11. Многошаговый вызов инструментов на данных Spotify
  12. Агент-календарь: инструменты в несколько шагов
  13. Многошаговый вызов инструментов: базовый пример
  14. Как модель вызывает инструменты: базовый пример
  15. Вызов инструментов на тестовой базе: вторая версия
  16. Как устроена память агента
  17. Агентный многоэтапный RAG на Tools API
  18. Агентный RAG на LangChain
  19. Универсальный агент: RAG, веб-поиск и Python
  20. Агенты и детерминированные функции
  21. Агент разбирает финансовые данные из CSV
  22. Финансовые данные из CSV на встроенных инструментах Cohere
  23. Агентный чат-бот для HR
  24. SQL-агент на Cohere и LangChain: демо
  25. Агент извлекает данные из PDF
  26. SQL-агент: вопросы к базе обычным языком
  27. Дообучение Command R в SageMaker
  28. Разворачиваем своё дообученное Command R 08-2024
  29. Дообучение на финансовых вопросах ConvFinQA с W&B
  30. Правка текста через LLM: операция replace
  31. Разбор отчёта 10-K через Cohere и RAG
  32. Шесть способов разобрать посты Hacker News
  33. Рекомендации статей на эмбеддингах
  34. Семантический поиск: базовый пример
  35. Суммаризация текста генеративной моделью
  36. Идеи для историй с Cohere и Stable Diffusion
  37. Стратегии разбиения текста на чанки
  38. Ответы RAG со ссылками на источники в Markdown
  39. QA-бот по технической документации
  40. Как оценивать качество RAG
  41. Парсинг корпоративных документов и PDF
  42. Извлечение сущностей генеративной моделью
  43. Генерация контента по ключевым словам
  44. Истории и иллюстрации: LLM и Stable Diffusion
  45. Саммари длинных текстов со ссылками на источники
  46. Hello World: первое знакомство с языковым ИИ
  47. Работа с длинными текстами: общие стратегии
  48. Саммари встреч: вручную и через LangChain
  49. Переносим громоздкие промпты на Command R с RAG
  50. Многоязычный поиск на Cohere и LangChain
  51. Улучшаем RAG: Rerank и переформулировка запросов
  52. Pondr: вопросы для хорошей беседы
  53. Ответы на вопросы с Cohere в SageMaker JumpStart
  54. RAG на Chat, Embed и Rerank с Pinecone
  55. Как делать саммари встреч получше
  56. Как оценивать качество суммаризации
  57. Классификация текста на эмбеддингах
  58. Три способа собрать классификатор текста
  59. Тематическое моделирование статей по ИИ
  60. Поиск по Википедии на Cohere и Weaviate
  61. Продвинутый RAG: агент с поиском и Python
  62. Агентный RAG, часть 1: маршрутизация запросов
  63. Агентный RAG, часть 2: параллельные запросы
  64. Агентный RAG, часть 3: задачи по шагам
  65. Агентный RAG, часть 4: многоаспектные запросы
  66. Агентный RAG, часть 5: запросы к таблицам
  67. Агентный RAG, часть 6: запросы к SQL-базе
  68. Глава 1. Установка и первые шаги с Cohere
  69. Глава 2. Генерация текста
  70. Глава 3. Чат-боты
  71. Глава 4. Семантический поиск
  72. Глава 5. Переранжирование результатов
  73. Глава 6. RAG
  74. Глава 7. Агенты с инструментами
  75. Глава 1. Установка и первые шаги, новая версия
  76. Глава 2. Генерация текста, новая версия
  77. Глава 3. Чат-боты, новая версия
  78. Глава 4. Семантический поиск, новая версия
  79. Глава 5. Переранжирование, новая версия
  80. Глава 6. RAG, новая версия
  81. Глава 7. Агенты с инструментами, новая версия
  82. Чат-бот, который знает ваш бизнес: Cohere и MongoDB
  83. Rerank на практике: поиск по Википедии
  84. Собираем чат-бота
  85. Классификация текста через Classify
  86. Типовые задачи для модели Command
  87. Как составлять промпты для Command
  88. Эмбеддинги через Embed
  89. Поиск по Википедии: сравниваем методы
  90. Дообучение модели для чата
  91. Дообучение для классификации
  92. Дообучение Rerank
  93. Что такое текстовые эмбеддинги
  94. Введение в RAG
  95. Параметры, которые управляют ответом
  96. Основы промпт-инжиниринга
  97. RAG на больших объёмах данных
  98. RAG на Chat, Embed и Rerank
  99. RAG с коннекторами
  100. RAG на готовых коннекторах
  101. Rerank для неструктурированных данных
  102. Проверяем ответы LLM по схеме
  103. Как измерить сходство слов и предложений
  104. Что такое семантический поиск
  105. Cohere на AWS: генерация текста в Bedrock
  106. Cohere на AWS: семантический поиск в Bedrock
  107. Cohere на AWS: Rerank в SageMaker
  108. Cohere на AWS: RAG на Bedrock и SageMaker
  109. Cohere на AWS: инструменты в Bedrock
  110. Cohere на AWS: дообучение Command R
  111. Многошаговые инструменты: ReAct-агент на Command R+
  112. Одношаговый и параллельный вызов инструментов
  113. Как устроен вызов инструментов
  114. ReAct-агент вместо Adaptive RAG

Вопросы о курсе

Курс бесплатный?

Первые 3 3 урока открыты бесплатно и без входа. Остальные уроки открывает доступ к курсам Cohere (1490 руб) или полный доступ ко всем курсам платформы (4900 руб), разовый платёж без подписки.

Нужен ли VPN?

Нет. Оригинал курса опубликован Cohere на английском и часто недоступен из России, а здесь все уроки, видео и субтитры уже переведены и открываются без VPN.

На каком языке курс?

На русском: переведены тексты уроков и субтитры к видео, термины и примеры кода сохранены в оригинале.

Выдаётся ли сертификат?

Да. После прохождения всех уроков курса при платном доступе выдаётся именной сертификат AI University с номером и QR-кодом, PDF приходит на почту, подлинность проверяется по номеру на сайте. Сертификат о прохождении курса не является документом об образовании.

Полезные гиды