בונים מערכת שמחזירה תשובות מבוססות מקור מתוך המסמכים שלכם, ומודדים אם היא באמת מדויקת.
מודל שפה יודע הרבה על העולם ולא יודע דבר על הנהלים שלכם, על החוזים שלכם או על מאגר הידע הפנימי. RAG הוא הגשר בין שני העולמות, והוא הפך לארכיטקטורה הנפוצה ביותר במערכות AI ארגוניות. הקורס עובר על כל השרשרת. מתחילים בשלב שאנשים נוטים לזלזל בו ושבפועל קובע את איכות המערכת: הכנת המסמכים, חיתוך נכון לקטעים ושמירת מטא נתונים. ממשיכים לאמבדינגס ולבסיסי וקטורים, ואז לשלב השליפה שבו משלבים חיפוש סמנטי עם חיפוש טקסטואלי ומדרגים מחדש את התוצאות. בסוף מגיע החלק שמפריד בין הדגמה למערכת שאפשר להפעיל: ציטוט מקורות, טיפול במקרים שבהם אין תשובה במאגר, ובניית מערך הערכה שמודד דיוק לאורך זמן במקום להסתמך על התרשמות.
המסלול עוקב אחרי הזרימה המלאה של מערכת RAG, משלב קליטת המסמכים ועד תשובה עם מקורות.
כל שלב כולל תרגול על מאגר מסמכים אמיתי, כדי להיתקל בבעיות שמופיעות רק בנתונים לא מסודרים.
מפתחים, אנשי דאטה ומטמיעי AI שנדרשים לבנות מערכות מבוססות ידע ארגוני.
נדרש רקע בסיסי בתכנות, רצוי ב-Python, והיכרות ראשונית עם מודלי שפה.
ברוב המקרים הכשל אינו במודל אלא בשליפה: הקטע הנכון פשוט לא הוחזר, ולכן התשובה נבנתה על בסיס חלקי.
בקורס מתמקדים באבחון הזה, כולל בדיקה מה נשלף בכל שאילתה ולמה, לפני שמאשימים את המודל.
שיטה שבה שולפים קטעי מידע רלוונטיים ממאגר ומספקים אותם למודל שפה כדי שיענה על בסיסם.
כן, רקע בסיסי. רצוי היכרות עם Python.
לא. זה מפחית אותן משמעותית ומאפשר לצטט מקור, אבל עדיין נדרשת בקרה ומדידה.
לומדים את העקרונות ומתרגלים על מערכת מרכזית אחת. הידע עובר בין המערכות.
כן, בכפוף לארכיטקטורה ולמדיניות הארגון. הנושא נדון בקורס.
כן, מערכת שאלות ותשובות מלאה מעל מאגר מסמכים כולל הערכת דיוק.
RAG לא משנה את המודל אלא מספק לו הקשר. זה זול, מהיר ומתעדכן מיידית עם המסמכים.
מסלול ממוקד. ההיקף המדויק נמסר בשיחת ייעוץ.
כן, תעודת סיום בכפוף לעמידה בדרישות.
משאירים פרטים ואנחנו חוזרים עם מועדים ומתכונות.