Finally a course that explains reranking without hand-waving — the comparison between different rerankers on real queries was worth it alone.
การสร้างระบบ RAG: การค้นหา, Reranking และการประเมินผล
ทำความเข้าใจพื้นฐานของ Retrieval-Augmented Generation และเรียนรู้วิธีการใช้ hybrid search และประเมินคำตอบของ LLM ผ่านแบบฝึกหัดเชิงข้อความที่นำไปใช้ได้จริง
-
💬
ผู้สอน AI
ถามเกี่ยวกับบทเรียนใดก็ได้ แล้วรับคำตอบที่ชัดเจนทันที ทุกเมื่อ -
🕐
เริ่มเมื่อไรก็ได้
ไม่มีตารางหรือเดดไลน์ — เรียนตามจังหวะของคุณ เมื่อไรก็ได้ -
🌐
เป็นภาษาไทย
บทเรียน แบบฝึกหัด และใบรับรอง — ทั้งหมดเป็นภาษาของคุณอย่างครบถ้วน
เกี่ยวกับคอร์สนี้
ในขณะที่ Large Language Models (LLMs) กำลังเปลี่ยนแปลงการพัฒนาซอฟต์แวร์ ความสามารถในการเชื่อมต่อพวกมันเข้ากับข้อมูลเฉพาะส่วนตัวจึงกลายเป็นทักษะที่สำคัญ Retrieval-Augmented Generation (RAG) คือมาตรฐานอุตสาหกรรมในการทำให้คำตอบของ AI มีความแม่นยำและตระหนักถึงบริบท หลักสูตรแบบเน้นข้อความนี้จะนำทางคุณผ่านการสร้างระบบ RAG ตั้งแต่เริ่มต้น คุณจะเริ่มจากคำศัพท์หลักของ AI และ vector search จากนั้นจึงก้าวไปสู่การใช้ hybrid search, การประยุกต์ใช้เทคนิค reranking และการประเมินคุณภาพของคำตอบจากระบบของคุณโดยใช้รูปแบบ Python สมัยใหม่
สิ่งที่คุณจะได้เรียนรู้:
- ทำความเข้าใจแนวคิดพื้นฐานของ Retrieval-Augmented Generation และ embedding models
- สร้าง data pipelines แบบกำหนดเองเพื่อเตรียมและนำเข้าข้อความสู่ vector databases สมัยใหม่
- ใช้กลยุทธ์ hybrid search ที่ผสมผสานระหว่างการค้นหาด้วย keyword และ semantic retrieval
- ประยุกต์ใช้ reranking algorithms เพื่อปรับปรุงความเกี่ยวข้องของบริบทที่ดึงมา
- ประเมินความแม่นยำและคุณภาพของคำตอบที่สร้างโดย LLM โดยใช้มาตรวัดมาตรฐานอุตสาหกรรมในปัจจุบัน
- ฝึกฝนการบูรณาการพื้นฐาน prompt engineering เพื่อเพิ่มประสิทธิภาพผลลัพธ์ของ AI
หลักสูตรนี้ดำเนินไปอย่างมีตรรกะตั้งแต่คำจำกัดความพื้นฐานและแนวคิดหลักของ AI ไปจนถึงขั้นตอนการปฏิบัติจริง คุณจะได้อ่านคำอธิบายที่ชัดเจนและศึกษา code snippets ที่มีโครงสร้างดีเพื่อสร้างความเข้าใจในการรวม backend ของ AI สมัยใหม่ ออกแบบมาสำหรับผู้เริ่มต้นและนักพัฒนาที่มีความรู้ด้านการเขียนโปรแกรมพื้นฐาน หลักสูตรนี้ไม่จำเป็นต้องมีประสบการณ์ machine learning มาก่อน เริ่มอ่านวันนี้เพื่อสร้างทักษะพื้นฐานของคุณใน Retrieval-Augmented Generation
สิ่งที่คุณจะได้รับ
-
📜
ใบประกาศนียบัตร
เพิ่มในโปรไฟล์ LinkedIn ของคุณ -
💬
ติวเตอร์ AI ส่วนตัว
ติดขัดในบทเรียน? ถามติวเตอร์ในตัวของคุณได้ทุกอย่าง ทุกเวลา -
♾️
เข้าถึงตลอดชีพ
กลับมาเรียนได้ตลอด ไม่มีหมดอายุ -
📱
โทรศัพท์หรือคอมพิวเตอร์
ใช้งานได้ทุกที่ ทุกอุปกรณ์ -
💸
คืนเงิน 14 วัน
ไม่ต้องอธิบาย -
⚡
กระชับและตรงประเด็น
2 ชม. 30 นาที เนื้อหาเชิงปฏิบัติ
รีวิว (20)
Świetne wyjaśnienie reranking i ewaluacji.
Bon cours, un peu dense par moments.
Reranking অংশটা অসাধারণভাবে বোঝানো হয়েছে।
Reranking explicado de forma clara e direta.
Phần đánh giá RAG rất hữu ích.
এই কোর্সটা RAG সিস্টেম নিয়ে যেভাবে ধাপে ধাপে বুঝিয়েছে তা সত্যিই দারুণ লেগেছে। প্রথমে সার্চের বেসিক, তারপর reranking কেন দরকার, আর শেষে evaluation মেট্রিক্স দিয়ে কীভাবে যাচাই করতে হয় — পুরো ফ্লো একদম সহজবোধ্য। কোডের উদাহরণগুলো নিজে চালিয়ে দেখেছি, কাজ করেছে ঠিকঠাক। আগে শুধু ভেক্টর সার্চ দিয়ে কাজ চালাতাম, কিন্তু এখন বুঝতে পারছি কোথায় ফলাফল উন্নত করা যায়। সময় নিয়ে বসে শেখার মতো একটা কোর্স।
Good breakdown of how reranking actually improves retrieval quality over plain vector search. The evaluation frameworks covered near the end gave me a real way to benchmark my own pipeline instead of just eyeballing results. Wish there was a bit more depth on hybrid search though.
Le module sur le reranking m'a vraiment ouvert les yeux, je ne comprenais pas bien pourquoi mes résultats de recherche étaient si moyens avant ça. Les exercices sur l'évaluation avec des métriques concrètes sont hyper utiles pour juger si un système RAG marche vraiment. Rythme parfait, ni trop lent ni trop dense.
O curso explica muito bem a diferença entre busca simples e reranking, algo que eu nunca tinha entendido direito antes. A parte de avaliação com métricas reais ajudou muito a validar se as mudanças no meu sistema realmente melhoraram os resultados. Os exemplos práticos são fáceis de acompanhar mesmo sem muita experiência prévia com RAG.
Il corso copre in modo molto ordinato tutto il percorso di un sistema RAG, dalla ricerca iniziale fino al reranking dei risultati. La parte sulla valutazione mi è piaciuta particolarmente perché finalmente ho capito come misurare se le modifiche fatte al sistema portano davvero un miglioramento. Gli esempi pratici sono ben spiegati e si possono riprodurre facilmente con i propri dati. L'unico neo è che alcune sezioni teoriche sul reranking sono un po' dense rispetto agli esercizi collegati. Nel complesso resta un corso solido per chi vuole andare oltre il semplice retrieval vettoriale.
RAG 시스템을 처음부터 끝까지 다루는 구성이 정말 알찼습니다. 검색 단계에서 어떤 방식으로 문서를 가져오는지, 그리고 왜 reranking이 필요한지 순서대로 설명해줘서 흐름이 자연스러웠어요. 특히 평가 지표 부분에서 실제로 결과를 어떻게 측정하는지 실습으로 보여줘서 바로 제 프로젝트에 적용할 수 있었습니다. 설명 속도도 적당하고 예제 코드도 군더더기 없이 깔끔했습니다. RAG를 실무에 도입하려는 사람에게 정말 도움이 될 강의라고 생각합니다.
The section on evaluation metrics for RAG pipelines finally made sense of something I'd been guessing at for months.
RAG 시스템의 기본 구조를 제대로 잡고 싶었는데 하이브리드 검색을 직접 구현해 보면서 감을 확실히 잡았어요. 리랭킹이 왜 필요한지, 검색 결과 품질이 어떻게 달라지는지 텍스트 실습으로 보여줘서 이해가 빨랐습니다. 특히 LLM 응답을 어떻게 평가하는지 다루는 부분이 실무에 바로 도움이 됐어요. 다만 대규모 데이터에서의 성능 최적화 얘기가 조금 더 있었으면 했습니다. 그래도 RAG 입문으로는 아주 알찬 강의였습니다.
Materi reranking dan evaluasi sangat jelas.
The hands-on hybrid search and reranking exercises finally made RAG evaluation click for me; I can now actually measure whether my answers are any good.
Курс закрывает всю базу по RAG: от простого поиска до реранкинга и метрик оценки качества. Особенно понравился блок про evaluation — наконец разобралась, как измерять, действительно ли система отвечает лучше после доработок. Примеры кода рабочие, можно сразу повторить на своих данных. Единственное — тема реранкинга могла бы получить чуть больше практики, было ощущение, что теория обгоняет упражнения. В целом однозначно стоило потраченного времени.
Penjelasan tentang reranking bikin saya paham kenapa hasil pencarian RAG saya selama ini kurang relevan. Bagian evaluasi juga membantu banget karena ada metrik konkret buat mengukur performa sistem, bukan cuma tebak-tebakan. Cuma agak berharap ada lebih banyak studi kasus dunia nyata di bagian akhir.
คอร์สนี้อธิบายเรื่อง RAG ได้ค่อนข้างละเอียด ตั้งแต่การค้นหาข้อมูลพื้นฐานไปจนถึง reranking ซึ่งเป็นส่วนที่ผมไม่เคยเข้าใจมาก่อนว่าทำไมต้องมี ส่วนของการประเมินผลด้วย metric ต่าง ๆ ก็ช่วยให้เห็นภาพชัดว่าระบบทำงานดีขึ้นจริงหรือเปล่า ตัวอย่างโค้ดใช้งานได้จริงและลองทำตามได้ไม่ยาก แต่บางช่วงในเรื่อง reranking รู้สึกว่าอธิบายเร็วไปหน่อยสำหรับคนที่เพิ่งเริ่มต้น โดยรวมแล้วคุ้มค่ากับเวลาที่เสียไปมาก
Solid walkthrough of search and reranking, though the evaluation section moved a little fast for my taste.
ผู้เรียนคนอื่นเรียน
🔥 ยอดนิยม
🎓 มีใบรับรอง
Generative AI สำหรับช่างสัก: การออกแบบและการจัดวางตำแหน่ง
ใบรับรอง
ลงมือทำ
$14.99
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
AI Voice Cloning: สร้างเสียงดิจิทัลส่วนตัวของคุณ
ใบรับรอง
ลงมือทำ
$14.99
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
AI สำหรับครูสอน ESL: บทเรียน, ข้อความ และข้อสอบ
ใบรับรอง
ลงมือทำ
$14.99
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
พื้นฐานของ LLMOps: การ Deploy, Version และ Monitor LLMs
ใบรับรอง
ลงมือทำ
$14.99
→
คำถามที่พบบ่อย
ฉันต้องใช้อะไรในการเรียนคอร์สนี้? +
แค่โทรศัพท์หรือคอมพิวเตอร์ที่มีอินเทอร์เน็ต ไม่ต้องติดตั้งหรือใช้อุปกรณ์พิเศษ
ฉันชำระเงินอย่างไร? +
ผ่านบัตรด้วย Stripe เราไม่เก็บข้อมูลบัตร — Stripe จัดการอย่างปลอดภัย
ฉันขอคืนเงินได้ไหม? +
ใช่ — คืนเงินเต็มจำนวนใน 14 วัน ไม่ต้องอธิบาย
ฉันมีสิทธิ์เข้าถึงนานเท่าไร? +
ตลอดไป เมื่อซื้อแล้วคอร์สเป็นของคุณ กลับมาเรียนได้ตลอด
ฉันจะได้ใบประกาศนียบัตรไหม? +
ได้ เมื่อเรียนจบจะได้รับใบประกาศนียบัตรที่เพิ่มในโปรไฟล์ LinkedIn ได้
ออกแบบสำหรับผู้เรียนใน
เทคโนโลยี
ดีไซน์
การเงิน
การตลาด
สาธารณสุข
การศึกษา
ธุรกิจการบริการ
อุตสาหกรรม