„Retrieval-Augmented Generation” (RAG) reprezentuje najnowocześniejszą innowację w dziedzinie sztucznej inteligencji, wypełniając lukę między dużymi modelami językowymi (LLM) a wiedzą praktyczną. Ta książka stanowi kompletny plan budowy, optymalizacji i wdrażania systemów RAG klasy korporacyjnej, które zapewniają wymierną wartość biznesową.

Ten kompleksowy przewodnik wykracza poza podstawowe koncepcje i obejmuje zaawansowane strategie wdrażania, obejmując wszystko, od wzorców architektonicznych po wdrożenie produkcyjne. Poznasz sprawdzone techniki przetwarzania dokumentów, optymalizacji wektorów, usprawniania wyszukiwania i skalowania systemów, poparte praktycznymi studiami przypadku z wiodących organizacji.

Główne cele edukacyjne

Projektowanie i wdrażanie gotowych do produkcji architektur RAG dla różnych przypadków użycia w przedsiębiorstwie
Opanowanie zaawansowanych strategii wyszukiwania, w tym podejść opartych na grafach i systemów agentowych
Optymalizacja wydajności dzięki zaawansowanym technikom fragmentacji, osadzania i wektorowych baz danych
Nawigacja po integracji RAG z nowoczesnymi modelami LLM i generatywnymi strukturami sztucznej inteligencji
Wdrażanie solidnych struktur oceny i procesów zapewniania jakości
Wdrażanie skalowalnych rozwiązań z odpowiednimi kontrolami bezpieczeństwa, prywatności i zarządzania
Zastosowania w świecie rzeczywistym

Inteligentna analiza dokumentów i ekstrakcja wiedzy
Systemy generowania kodu i dokumentacji technicznej Narzędzia
automatyzacji obsługi klienta i wspomagania decyzji
Rozwiązania zapewniające zgodność z przepisami i zarządzanie ryzykiem Niezależnie
od tego, czy jesteś inżynierem sztucznej inteligencji skalującym istniejące systemy, czy liderem technicznym planującym możliwości nowej generacji, ta książka zapewnia wiedzę specjalistyczną niezbędną do osiągnięcia sukcesu w szybko zmieniającym się krajobrazie korporacyjnej sztucznej inteligencji.

Czego się nauczysz

Architektura: projektowanie skalowalnych systemów RAG od prototypu do produkcji w przedsiębiorstwie
Zaawansowane wyszukiwanie: wdrażanie zaawansowanych strategii, w tym podejść opartych na grafach i multimodalnych
Optymalizacja wydajności: precyzyjne dostrajanie modeli osadzania, baz danych wektorowych i algorytmów wyszukiwania w celu uzyskania maksymalnej wydajności
Integracja LLM: płynne łączenie RAG z najnowocześniejszymi modelami językowymi i generatywnymi ramami AI
Doskonałość produkcji: wdrażanie solidnych systemów z procesami monitorowania, oceny i ciągłego doskonalenia
Zastosowania przemysłowe: stosowanie rozwiązań RAG w różnych sektorach przedsiębiorstw i przypadkach użycia