Finally a course that explains reranking without hand-waving — the comparison between different rerankers on real queries was worth it alone.
Xây dựng Hệ thống RAG: Tìm kiếm, Reranking và Đánh giá
Hiểu các nền tảng của Retrieval-Augmented Generation và học cách triển khai hybrid search cũng như đánh giá các phản hồi của LLM thông qua các bài tập thực hành dựa trên văn bản.
-
💬
Giảng viên AI
Hỏi về bất kỳ bài học nào và nhận câu trả lời rõ ràng ngay lập tức, mọi lúc. -
🕐
Bắt đầu bất cứ lúc nào
Không lịch trình hay hạn chót — học theo nhịp của bạn, bất cứ khi nào. -
🌐
Bằng tiếng Việt
Bài học, bài tập và chứng chỉ — tất cả hoàn toàn bằng ngôn ngữ của bạn.
Về khóa học này
Khi các Large Language Models (LLMs) thay đổi việc phát triển phần mềm, khả năng kết nối chúng với dữ liệu tùy chỉnh đang trở thành một kỹ năng quan trọng. Retrieval-Augmented Generation (RAG) là tiêu chuẩn ngành để làm cho các phản hồi của AI trở nên chính xác và nhận biết được ngữ cảnh. Khóa học dựa trên văn bản này hướng dẫn bạn xây dựng một hệ thống RAG từ đầu. Bạn sẽ bắt đầu với các thuật ngữ cốt lõi của AI và vector search, sau đó tiến tới triển khai hybrid search, áp dụng các kỹ thuật reranking và đánh giá chất lượng các câu trả lời của hệ thống bằng các pattern Python hiện đại.
Những gì bạn sẽ học:
- Hiểu các khái niệm nền tảng của Retrieval-Augmented Generation và các embedding models.
- Xây dựng các data pipeline tùy chỉnh để chuẩn bị và nạp văn bản vào các vector database hiện đại.
- Triển khai các chiến lược hybrid search kết hợp giữa tìm kiếm từ khóa và truy xuất ngữ nghĩa.
- Áp dụng các thuật toán reranking để cải thiện mức độ liên quan của ngữ cảnh được truy xuất.
- Đánh giá độ chính xác và chất lượng của các phản hồi do LLM tạo ra bằng các chỉ số ngành hiện tại.
- Thực hành tích hợp các kiến thức cơ bản về prompt engineering để tối ưu hóa đầu ra của AI.
Chương trình học diễn ra một cách logic từ các định nghĩa cơ bản và các khái niệm AI cốt lõi đến các bước triển khai thực tế. Bạn sẽ đọc các giải thích rõ ràng và nghiên cứu các đoạn mã được cấu trúc tốt để xây dựng sự hiểu biết về việc tích hợp backend AI hiện đại. Được thiết kế cho người mới bắt đầu và các nhà phát triển có kiến thức lập trình cơ bản, khóa học này không yêu cầu kinh nghiệm về machine learning trước đó. Hãy bắt đầu đọc ngay hôm nay để xây dựng các kỹ năng nền tảng của bạn về Retrieval-Augmented Generation.
Bạn sẽ nhận được
-
📜
Chứng chỉ hoàn thành
Thêm vào hồ sơ LinkedIn -
💬
Gia sư AI cá nhân
Bí ở một bài học? Hỏi gia sư tích hợp của bạn bất cứ điều gì, bất cứ lúc nào. -
♾️
Truy cập trọn đời
Quay lại bất cứ lúc nào, không hết hạn -
📱
Điện thoại hoặc máy tính
Hoạt động mọi nơi, mọi thiết bị -
💸
Hoàn tiền 14 ngày
Không cần lý do -
⚡
Ngắn gọn, đi vào trọng tâm
2 giờ 30 phút nội dung thực hành
Đánh giá (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.
Học viên cũng học
🔥 Nổi bật
🎓 Có chứng chỉ
Generative AI dành cho nghệ sĩ xăm hình: Thiết kế và Vị trí đặt hình xăm
Chứng chỉ
Thực hành
$14.99
→
🔥 Nổi bật
🎓 Có chứng chỉ
AI Voice Cloning: Xây dựng Giọng nói Kỹ thuật số Cá nhân của Bạn
Chứng chỉ
Thực hành
$14.99
→
🔥 Nổi bật
🎓 Có chứng chỉ
AI cho Giáo viên ESL: Bài giảng, Văn bản và Bài kiểm tra
Chứng chỉ
Thực hành
$14.99
→
🔥 Nổi bật
🎓 Có chứng chỉ
Nền tảng của LLMOps: Triển khai, Phiên bản hóa và Giám sát LLMs
Chứng chỉ
Thực hành
$14.99
→
Câu hỏi thường gặp
Tôi cần gì để học khóa này? +
Chỉ cần điện thoại hoặc máy tính có kết nối internet. Không cần cài đặt hay thiết bị đặc biệt.
Tôi thanh toán bằng cách nào? +
Bằng thẻ qua Stripe. Chúng tôi không lưu thông tin thẻ — Stripe xử lý an toàn.
Tôi có thể được hoàn tiền không? +
Có — hoàn tiền đầy đủ trong 14 ngày, không cần lý do.
Tôi sẽ có quyền truy cập trong bao lâu? +
Mãi mãi. Sau khi mua, khóa học là của bạn để xem lại bất cứ lúc nào.
Tôi có nhận được chứng chỉ không? +
Có. Sau khi hoàn thành, bạn sẽ nhận được chứng chỉ và có thể thêm vào hồ sơ LinkedIn.
Dành cho người học trong
Công nghệ
Thiết kế
Tài chính
Marketing
Y tế
Giáo dục
Khách sạn-Dịch vụ
Sản xuất