Le module sur le reranking a complètement changé ma façon d'aborder mes pipelines RAG, je ne pensais pas que ça ferait une telle différence sur la pertinence des résultats. L'utilisation de LangChain pour combiner recherche hybride et réécriture de requêtes est expliquée de manière très concrète.
RAG mit Python: Hybrid Search, Reranking und Rewriting
Lernen Sie, moderne Retrieval-Augmented Generation-Anwendungen mit LangChain, Vektordatenbanken und intelligenten Suchtechniken von Grund auf zu erstellen.
-
💬
KI-Tutor
Stelle Fragen zu jeder Lektion und erhalte jederzeit sofort eine klare Antwort. -
🕐
Jederzeit starten
Keine Zeitpläne oder Fristen – lerne in deinem Tempo, wann es dir passt. -
🌐
Auf Deutsch
Lektionen, Aufgaben und Zertifikat – alles vollständig in deiner Sprache.
Über diesen Kurs
Große Sprachmodelle sind leistungsstark, aber oft fehlt ihnen der Zugriff auf Ihre spezifischen Daten. Retrieval-Augmented Generation (RAG) schließt diese Lücke und ermöglicht es Ihnen, KI mit benutzerdefinierten Wissensdatenbanken zu verbinden. In diesem textbasierten Kurs werden Sie untersuchen, wie man robuste RAG-Systeme mit Python erstellt. Ausgehend von grundlegenden Konzepten werden Sie dazu übergehen, moderne Techniken wie Hybrid Search, Result Reranking und Query Rewriting zu implementieren, um die Genauigkeit von KI-Antworten drastisch zu verbessern.
Was Sie lernen werden: Verstehen der Kernarchitektur und Terminologie von Retrieval-Augmented Generation; Aufbau grundlegender RAG-Pipelines mit Python und LangChain; Implementierung von Vektordatenbanken zum Speichern und Abrufen von Dokument-Embeddings; Anwendung von Hybrid Search-Techniken, die Keyword- und semantisches Retrieval kombinieren; Verbesserung der KI-Genauigkeit durch Result Reranking und Query Rewriting-Muster; Erkundung moderner Agentic AI-Konzepte für den autonomen Datenabruf.
Der Kurs beginnt mit klaren Definitionen der KI-Terminologie, bevor er zu praktischen Python-Implementierungen übergeht. Sie werden detaillierte Erklärungen lesen, Code-Snippets untersuchen und Schritt für Schritt den Aufbau textbasierter KI-Retrieval-Systeme üben. Dieser Kurs ist für Anfänger und angehende Entwickler konzipiert; es sind keine Vorkenntnisse in fortgeschrittenem maschinellem Lernen erforderlich. Beginnen Sie noch heute mit dem Lesen, um die Leistungsfähigkeit von modernem RAG freizuschalten und intelligentere datengesteuerte Anwendungen zu erstellen.
Was du erhältst
-
📜
Abschlusszertifikat
Füge es deinem LinkedIn-Profil hinzu -
💬
Persönlicher AI-Tutor
Bei einer Lektion nicht weitergekommen? Frag deinen integrierten Tutor jederzeit alles, was du möchtest. -
🎧
Audioversion enthalten
Lerne unterwegs — kein Bildschirm nötig -
♾️
Lebenslanger Zugang
Komme jederzeit zurück, kein Ablauf -
📱
Smartphone oder Computer
Auf jedem Gerät, überall -
💸
14 Tage Rückgaberecht
Ohne Wenn und Aber -
⚡
Kurz und fokussiert
2 Std. 30 Min. praktische Inhalte
Bewertungen (6)
Selama ini saya cuma tahu RAG sebatas 'ambil dokumen terus masukin ke prompt', tapi kursus ini benar-benar membongkar detail yang sering dilewatkan seperti hybrid search dan reranking. Bagian yang paling membuka mata saya adalah query rewriting, ternyata banyak hasil pencarian yang buruk itu bukan karena embedding jelek tapi karena pertanyaan awal dari user memang ambigu. Contoh kode dengan LangChain dijelaskan langkah demi langkah sehingga saya bisa langsung praktik di proyek sendiri tanpa kebingungan. Urutan materinya juga masuk akal, dari retrieval sederhana sampai pipeline lengkap yang menggabungkan semua teknik. Setelah menyelesaikan kursus ini, hasil pencarian RAG saya jauh lebih relevan dibanding sebelumnya.
Давно искал внятное объяснение гибридного поиска, и здесь наконец сложилась картина: как совмещать плотные эмбеддинги с BM25 и зачем потом прогонять результаты через реранкер. Особенно зашёл блок про переписывание запроса перед обращением к векторной базе — раньше я недооценивал этот шаг, а он реально поднял качество выдачи в моём проекте на LangChain. Примеры рабочие, всё запускается без танцев с бубном. Единственное, по выбору самой векторной БД хотелось бы поглубже, но в целом курс закрыл почти все мои вопросы по RAG.
أخيرًا شرح واضح لكيفية دمج البحث الهجين وإعادة الترتيب في نظام RAG بدلاً من الاكتفاء بالاسترجاع البسيط. الجزء الخاص بإعادة صياغة الاستعلامات باستخدام LangChain كان عمليًا جدًا وساعدني في تحسين دقة النتائج بشكل ملموس.
Hibrit arama ve reranking konularını bu kadar net anlatan başka bir kaynak bulamamıştım. LangChain ile query rewriting kısmını uygulamalı örneklerle göstermesi, RAG pipeline'ının neden bazen alakasız sonuç döndürdüğünü anlamamı sağladı.
Good deep dive into the parts of RAG that most tutorials skip, especially the hybrid search and reranking sections which finally explained why my retrieval results were mediocre. The LangChain code examples are solid, though the query rewriting module could use a bit more explanation on tuning the prompts.
Andere belegten auch
🎓 Mit Zertifikat
Private KI mit Open-Source-LLMs: Lokale Bereitstellung, RAG und Agenten
Zertifikat
Praxis
13,99 €
→
🔥 Beliebt
🎓 Mit Zertifikat
AI Voice Cloning: Erstellen Sie Ihre persönliche digitale Stimme
Zertifikat
Praxis
13,99 €
→
🔥 Beliebt
🎓 Mit Zertifikat
KI für ESL-Lehrkräfte: Lektionen, Texte und Tests
Zertifikat
Praxis
13,99 €
→
🔥 Beliebt
🎓 Mit Zertifikat
Generative AI für Tattoo-Künstler: Design und Platzierung
Zertifikat
Praxis
13,99 €
→
Häufige Fragen
Was brauche ich, um diesen Kurs zu belegen? +
Nur Telefon oder Computer mit Internet. Keine Installation, keine spezielle Hardware.
Wie kann ich bezahlen? +
Per Karte über Stripe. Wir speichern keine Kartendaten — Stripe übernimmt das sicher.
Kann ich eine Rückerstattung erhalten? +
Ja — volle Rückerstattung innerhalb von 14 Tagen, ohne Wenn und Aber.
Wie lange habe ich Zugang? +
Für immer. Nach dem Kauf kannst du jederzeit zum Kurs zurückkehren.
Erhalte ich ein Zertifikat? +
Ja. Nach Abschluss erhältst du ein Zertifikat, das du in dein LinkedIn-Profil aufnehmen kannst.
Entwickelt für Lernende in
Tech
Design
Finanzen
Marketing
Gesundheit
Bildung
Gastgewerbe
Produktion