Llevaba meses leyendo artículos sueltos sobre RAG sin lograr conectar los conceptos, y este curso por fin los ordenó todos en mi cabeza. Empiezan explicando qué es Retrieval-Augmented Generation desde cero, para luego entrar en context engineering, es decir, cómo decidir qué fragmentos de información realmente le sirven al modelo y cuáles solo añaden ruido. La parte sobre reranking me pareció la más valiosa, porque muestra con ejemplos claros cómo reordenar los resultados de una búsqueda antes de pasarlos al modelo mejora muchísimo la calidad de las respuestas. El instructor explica todo con calma, sin dar cosas por sentado, y cada concepto viene acompañado de un ejemplo práctico que se puede reproducir. Terminé el curso con un pipeline de RAG funcional y, más importante, entendiendo por qué cada pieza está ahí.
Foundations of RAG: Context Engineering and Reranking
Understand the basics of Retrieval-Augmented Generation, context engineering, and reranking to build accurate AI applications and reduce hallucinations.
-
💬
AI instructor
Ask about any lesson and get a clear answer instantly, anytime. -
🕐
Start anytime
No schedules or deadlines — learn at your own pace, whenever suits you. -
🌐
In English
Lessons, tasks and certificate — all fully in your language.
About this course
What you'll get
-
📜
Certificate of completion
Add it to your LinkedIn profile -
💬
Personal AI tutor
Stuck on a lesson? Ask your built-in tutor anything, any time. -
♾️
Lifetime access
Come back anytime, no expiry -
📱
Phone or computer
Works anywhere, any device -
💸
14-day refund
No questions asked -
⚡
Short & focused
2h 48m of practical content
Reviews (9)
Ce cours couvre bien les bases du RAG, en particulier la partie sur le context engineering où l'on apprend à choisir intelligemment quels morceaux de texte envoyer au modèle plutôt que de tout lui donner en vrac. La section sur le reranking est celle qui m'a le plus servi, avec des exemples concrets de comment reclasser les résultats de recherche pour améliorer la pertinence des réponses générées. Le rythme est agréable et progressif, on ne se sent jamais perdu même sans grande expérience préalable en recherche d'information. Mon seul regret, c'est que certains exercices pratiques auraient mérité un peu plus de temps d'explication avant qu'on nous laisse les faire seul. Globalement une bonne base solide pour continuer à approfondir le sujet par soi-même.
Sempre tive dificuldade em entender reranking de verdade, e esse curso finalmente deixou claro por que reordenar os resultados antes de enviar ao modelo faz tanta diferença na qualidade das respostas. A explicação sobre context engineering também é muito boa, mostrando como escolher os trechos certos em vez de simplesmente jogar tudo no prompt. Recomendo bastante para quem está começando a construir sistemas de RAG do zero.
A parte de reranking ajudou bastante a reduzir respostas inventadas; queria mais exemplos, mas valeu muito.
Solide Einführung in RAG und Context Engineering, auch wenn der Abschnitt zum Reranking gerne etwas ausführlicher hätte sein können.
Gostei bastante da forma como o curso apresenta os fundamentos de RAG antes de entrar em context engineering e reranking, sem pular etapas. As explicações sobre como escolher os chunks certos para o contexto são bem práticas e fáceis de acompanhar. Só achei que a parte de reranking poderia ter mais exemplos comparando diferentes abordagens.
Ottima introduzione ai concetti base del RAG, spiegati con un linguaggio semplice anche per chi non ha esperienza precedente. La parte su context engineering mi ha aperto gli occhi su quanto conti selezionare bene i chunk prima di mandarli al modello. L'unico punto debole è che il reranking viene trattato un po' velocemente rispetto al resto del corso.
Explicación de RAG muy clara y práctica.
রির্যাঙ্কিং আর কনটেক্সট ইঞ্জিনিয়ারিং কীভাবে হ্যালুসিনেশন কমায়, সেটা এই কোর্সে দারুণভাবে বুঝলাম। উদাহরণগুলো হাতেকলমে করা যায়, তাই RAG নিয়ে আমার ভিত্তিটা এখন অনেক শক্ত।
Learners also took
Private AI with Open-Source LLMs: Local Deployment, RAG, and Agents
Fine-Tuning OpenAI Models: Customize LLMs with Your Own Data
Developing RAG Systems with Azure OpenAI and Azure AI Search
AI Application Development with LangChain
Frequently asked
What do I need to take this course? +
Just a phone or computer with internet. No installs, no special hardware.
How do I pay? +
By card via Stripe. We don’t store card details — Stripe handles them securely.
Can I get a refund? +
Yes — full refund within 14 days, no questions asked.
How long will I have access? +
Forever. Once you purchase, the course is yours to revisit anytime.
Will I get a certificate? +
Yes. On completion you'll receive a certificate you can add to your LinkedIn profile.