การสร้างแอปพลิเคชัน Generative AI ด้วย RAG และ Vector Databases

โมเดลภาษาขนาดใหญ่มาตรฐานมักขาดการเข้าถึงข้อมูลส่วนตัวหรือข้อมูลแบบเรียลไทม์ ซึ่งจำกัดประโยชน์ในการใช้งานทางธุรกิจเฉพาะด้าน การผสมผสาน Generative AI เข้ากับ Retrieval-Augmented Generation (RAG) จะช่วยให้คุณสามารถอ้างอิงข้อมูลเฉพาะของคุณกับ LLM เพื่อให้คำตอบที่ถูกต้องและตรงตามบริบท คอร์สนี้จะแนะนำคุณตลอดกระบวนการออกแบบและใช้งานสถาปัตยกรรม RAG ตั้งแต่เริ่มต้น คุณจะได้เรียนรู้วิธีเตรียมข้อมูล จัดเก็บใน vector databases ดึงข้อมูลที่เกี่ยวข้อง และป้อนข้อมูลเหล่านั้นลงในโมเดล generative เพื่อสร้างแอปพลิเคชันที่ฉลาดขึ้น สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจแนวคิดพื้นฐานของ Generative AI, embeddings และ retrieval-augmented generation - กำหนดค่าและสืบค้น vector databases เพื่อจัดเก็บและดึงข้อมูลที่มีมิติสูงได้อย่างมีประสิทธิภาพ - ประยุกต์ใช้เทคนิค prompt engineering เพื่อเพิ่มประสิทธิภาพการใช้บริบทที่ดึงมาของโมเดลภาษา - สร้าง RAG pipelines ที่สะอาดและเป็นโมดูลโดยใช้รูปแบบ Python สมัยใหม่และเฟรมเวิร์ก - นำเทคนิคการประเมินมาใช้เพื่อวัดความถูกต้องและความเกี่ยวข้องของคำตอบจากระบบของคุณ เริ่มต้นด้วยคำศัพท์พื้นฐานและแนวคิดหลักของ AI คอร์สนี้จะเปลี่ยนไปสู่คู่มือที่เป็นลายลักษณ์อักษรและตัวอย่างโค้ดแบบทีละขั้นตอนที่คุณสามารถปฏิบัติจริงได้ คุณจะได้สำรวจการนำเข้าข้อมูล (data ingestion) การทำดัชนีเวกเตอร์ (vector indexing) และการจัดการไปป์ไลน์ (pipeline orchestration) เพื่อประกอบกันเป็นระบบ RAG ที่ทำงานได้อย่างสมบูรณ์ คอร์สนี้ออกแบบมาสำหรับนักพัฒนา AI ที่มุ่งมั่น วิศวกรซอฟต์แวร์ และผู้ที่ชื่นชอบเทคโนโลยีที่ต้องการสร้างแอปพลิเคชัน AI แบบกำหนดเอง โดยไม่ต้องมีประสบการณ์เกี่ยวกับ Generative AI หรือ vector databases มาก่อน เริ่มอ่านวันนี้เพื่อเริ่มต้นสร้างระบบ AI อัจฉริยะที่ขับเคลื่อนด้วยข้อมูลของคุณเอง