Дэнис Ротман | RAG и генеративный ИИ. Создаем собственные RAG-пайплайны с помощью LlamaIndex, Deep Lake и Pinecon (2025) [PDF] -Автор: Дэнис Ротман Издательство: Спринт Бук ISBN: 978-601-12-3149-7 Жанр: Компьютерная литература Формат: PDF Качество: Изначально электронное (ebook) Иллюстрации: Черно-белые Описание: 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.
"Дополнительная информация:"
Оглавление Об авторе...................................................................................................... 11 О научных редакторах.................................................................................... 12 Предисловие.................................................................................................. 13 От издательства............................................................................................. 19 Глава 1. Почему именно генерация с дополненной выборкой (RAG)................... 20 Глава 2. Хранение эмбеддингов RAG с помощью Deep Lake и OpenAI................. 52 Глава 3. Реализация индексированной RAG с помощью LlamaIndex, Deep Lake и OpenAI....................................................................................... 80 Глава 4. Мультимодальная RAG.......................................................................110 Глава 5. Повышение эффективности RAG за счет обратной связи от эксперта....136 Глава 6. Масштабирование банковских данных клиентов в системе RAG с помощью Pinecone.......................................................................................161 Глава 7. Создание масштабируемой RAG на основе графа знаний с помощью API Википедии и LlamaIndex..........................................................199 Глава 8. Создание динамических RAG с помощью Chroma и Hugging Face Llama.....................................................................................................227 Глава 9. Улучшение моделей ИИ: тонкая настройка данных RAG и обратная связь...........................................................................................253 Глава 10. RAG для создания стоковых видео с помощью Pinecone и OpenAI........271 Приложение..................................................................................................307
Курс Дэнис Ротман - RAG и генеративный ИИ. Создаем собственные RAG-пайплайны с помощью LlamaIndex, Deep Lake и Pinecon (2025)
Текущее время: Сегодня 05:49
Часовой пояс: GMT + 4
Вы не можете начинать темы Вы не можете отвечать на сообщения Вы не можете редактировать свои сообщения Вы не можете удалять свои сообщения Вы не можете голосовать в опросах Вы не можете прикреплять файлы к сообщениям Вы не можете скачивать файлы