Гибридный поиск, реранкеры, чанкинг, RAGAS — собери RAG-систему, которая находит точные ответы в ваших документах и доказывает это метриками.
Каждый модуль добавляет слой вашей RAG-системе. Результат — продвинутый RAG: гибридный поиск по документам, реранкеры, умный чанкинг, оценка качества метриками RAGAS в автоматической проверке, кэширование и мониторинг.
Уверенный Python и базовое понимание LLM API (умеете вызывать модель и получать ответ). Курс строит инженерный RAG поверх этого фундамента — от поиска до метрик качества.
Туториалы показывают один векторный поиск и «готовый» ответ. Мы идём глубже: гибридный поиск (BM25 + SPLADE + RRF), реранкеры, смысловой чанкинг, оценка качества RAGAS и её автоматизация в CI. Это уровень инженера, а не демо.
Без метрик вы не знаете, стало ли лучше после изменения чанкинга или промпта. RAGAS измеряет достоверность, релевантность, точность и полноту ответов — вы будете принимать решения по числам, а не по ощущениям.
Qdrant, BM25, SPLADE, RRF, cross-encoder (Cohere, bge-reranker), LlamaIndex, RAGAS, ColPali, семантический кэш (GPTCache/Redis) и Langfuse для мониторинга.
Соберёте продвинутую RAG-систему по вашим документам: точный гибридный поиск, реранкинг, оценку качества RAGAS в автоматической проверке, кэширование и мониторинг. Такую систему можно использовать в продакшене.
Все 30 уроков, примеры кода, сквозной проект, обновления, сертификат об окончании и доступ навсегда. Цена 4 900 ₽.