RAG i generatywna sztuczna inteligencja. Tworzenie własnych pipeline'ów RAG za pomocą LlamaIndex, Deep Lake i Pinecone

Książka opisuje techniki tworzenia efektywnych dużych modeli językowych, systemów komputerowego widzenia oraz generatywnej sztucznej inteligencji, które osiągają wysoką wydajność przy stosunkowo niskich kosztach. Zawiera szczegółowe badania technologii RAG, a także podejść do projektowania multimodalnych pipeline'ów AI i zarządzania nimi. Łącząc wyniki z dokumentami źródłowymi, RAG zwiększa dokładność i kontekstową trafność wyników, oferując dynamiczne podejście do zarządzania dużymi wolumenami informacji.
Dowiedz się, jak zbudować infrastrukturę RAG, jednocześnie zagłębiając się w składowiska wektorowe, fragmentację, indeksację i ranking. Poznaj metody optymalizacji wydajności oraz techniki głębszej analizy danych, w tym wykorzystanie adaptacyjnego RAG i informacji zwrotnej od ludzi do udoskonalenia wyszukiwania, fine-tuning RAG, wdrażanie dynamicznych RAG wspierających podejmowanie decyzji w czasie rzeczywistym oraz wizualizację złożonych danych za pomocą grafów wiedzy. Zobaczysz również, jak praktycznie połączyć takie frameworki jak LlamaIndex i Deep Lake, bazy danych wektorowych podobne do Pinecone i Chroma oraz modele oferowane przez firmy Hugging Face i OpenAI. Zdobądź umiejętności wdrażania inteligentnych rozwiązań, co zwiększy Twoją konkurencyjność w różnych dziedzinach: od produkcji po obsługę klienta w każdym projekcie.