О чём урок
Примечание AI University. Примеры кода в оригинале курса рассчитаны на Azure OpenAI или GitHub Models. Те же запросы можно отправлять через OpenAI API или другой OpenAI-совместимый сервис: замените клиент, адрес сервиса, название модели и ключ на свои и сверьтесь с документацией выбранного провайдера.
В уроке, посвящённом поисковым приложениям, мы кратко рассмотрели, как интегрировать собственные данные в большие языковые модели (LLM). В этом уроке мы углубимся в концепции привязки ваших данных к приложению LLM, механику этого процесса и методы хранения данных, включая как эмбеддинги, так и текст.
Видео скоро появится
В этом уроке мы рассмотрим следующее:
- Введение в RAG: что это такое и почему оно используется в ИИ (искусственном интеллекте).
- Понимание того, что такое векторные базы данных, и создание одной для нашего приложения.
- Практический пример интеграции RAG в приложение.
После завершения этого урока вы сможете:
- Объяснить значение RAG в поиске и обработке данных.
- Настроить приложение RAG и привязать ваши данные к LLM.
- Эффективно интегрировать RAG и векторные базы данных в приложения LLM.
Для этого урока мы хотим добавить наши собственные заметки в образовательный стартап, что позволит чат-боту получать больше информации по различным предметам. Используя наши заметки, учащиеся смогут лучше учиться и понимать различные темы, что облегчит подготовку к экзаменам. Для создания нашего сценария мы будем использовать:
- Azure OpenAI: LLM, которую мы будем использовать для создания нашего чат-бота.
- Урок "ИИ для начинающих" по нейронным сетям: это будут данные, на которых мы будем обучать нашу LLM.
- Azure AI Search и Azure Cosmos DB: векторная база данных для хранения наших данных и создания поискового индекса.
Пользователи смогут создавать тренировочные тесты по своим заметкам, карточки для повторения и краткие обзоры. Для начала давайте рассмотрим, что такое RAG и как он работает.
Чат-бот на базе LLM обрабатывает промпты пользователей для генерации ответов. Он разработан для интерактивного взаимодействия и общения с пользователями по широкому кругу тем.
Предположим…
План урока
- Введение
- Наш сценарий: улучшение LLM с помощью собственных данных
- Генерация с поддержкой поиска (RAG)
- Как работает RAG (генерация с поддержкой поиска)
- Зачем использовать RAG?
- Создание базы знаний
- Векторные базы данных
- От текста к эмбеддингам
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.