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 กับ Python: Hybrid Search, Reranking, และ Rewriting
เรียนรู้วิธีสร้างแอปพลิเคชัน Retrieval-Augmented Generation สมัยใหม่โดยใช้ LangChain, vector databases และเทคนิคการค้นหาอัจฉริยะตั้งแต่เริ่มต้น
-
💬
ผู้สอน AI
ถามเกี่ยวกับบทเรียนใดก็ได้ แล้วรับคำตอบที่ชัดเจนทันที ทุกเมื่อ -
🕐
เริ่มเมื่อไรก็ได้
ไม่มีตารางหรือเดดไลน์ — เรียนตามจังหวะของคุณ เมื่อไรก็ได้ -
🌐
เป็นภาษาไทย
บทเรียน แบบฝึกหัด และใบรับรอง — ทั้งหมดเป็นภาษาของคุณอย่างครบถ้วน
เกี่ยวกับคอร์สนี้
โมเดลภาษาขนาดใหญ่ (Large language models) นั้นทรงพลัง แต่บ่อยครั้งที่พวกมันขาดการเข้าถึงข้อมูลเฉพาะของคุณ Retrieval-Augmented Generation (RAG) ช่วยปิดช่องว่างนี้ โดยช่วยให้คุณเชื่อมต่อ AI เข้ากับฐานความรู้ที่กำหนดเองได้ ในหลักสูตรแบบเน้นข้อความนี้ คุณจะได้สำรวจวิธีสร้างระบบ RAG ที่แข็งแกร่งโดยใช้ Python เริ่มต้นจากแนวคิดพื้นฐาน คุณจะก้าวไปสู่การใช้เทคนิคสมัยใหม่ เช่น hybrid search, result reranking และ query rewriting เพื่อปรับปรุงความแม่นยำของการตอบสนองของ AI อย่างมาก
สิ่งที่คุณจะได้เรียนรู้: ทำความเข้าใจสถาปัตยกรรมหลักและคำศัพท์ของ Retrieval-Augmented Generation; สร้าง RAG pipelines พื้นฐานโดยใช้ Python และ LangChain; ใช้งาน vector databases เพื่อจัดเก็บและดึงข้อมูล document embeddings; ประยุกต์ใช้เทคนิค hybrid search ที่ผสมผสานการค้นหาด้วยคำหลัก (keyword) และการค้นหาเชิงความหมาย (semantic); ปรับปรุงความแม่นยำของ AI โดยใช้รูปแบบ result reranking และ query rewriting; สำรวจแนวคิด Agentic AI สมัยใหม่สำหรับการดึงข้อมูลอัตโนมัติ
หลักสูตรนี้เริ่มต้นด้วยคำจำกัดความที่ชัดเจนของคำศัพท์ AI ก่อนที่จะเข้าสู่การใช้งานจริงด้วย Python คุณจะได้อ่านคำอธิบายโดยละเอียด ตรวจสอบ code snippets และฝึกสร้างระบบการดึงข้อมูล AI แบบเน้นข้อความทีละขั้นตอน หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นและนักพัฒนาที่ต้องการก้าวหน้า ไม่จำเป็นต้องมีประสบการณ์ด้าน machine learning ขั้นสูงมาก่อน เริ่มอ่านวันนี้เพื่อปลดล็อกพลังของ RAG สมัยใหม่และสร้างแอปพลิเคชันที่ขับเคลื่อนด้วยข้อมูลที่ชาญฉลาดยิ่งขึ้น
สิ่งที่คุณจะได้รับ
-
📜
ใบประกาศนียบัตร
เพิ่มในโปรไฟล์ LinkedIn ของคุณ -
💬
ติวเตอร์ AI ส่วนตัว
ติดขัดในบทเรียน? ถามติวเตอร์ในตัวของคุณได้ทุกอย่าง ทุกเวลา -
🎧
รวมเวอร์ชันเสียง
เรียนได้ทุกที่ ไม่ต้องดูจอ -
♾️
เข้าถึงตลอดชีพ
กลับมาเรียนได้ตลอด ไม่มีหมดอายุ -
📱
โทรศัพท์หรือคอมพิวเตอร์
ใช้งานได้ทุกที่ ทุกอุปกรณ์ -
💸
คืนเงิน 14 วัน
ไม่ต้องอธิบาย -
⚡
กระชับและตรงประเด็น
2 ชม. 30 นาที เนื้อหาเชิงปฏิบัติ
รีวิว (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.
ผู้เรียนคนอื่นเรียน
🔥 ยอดนิยม
🎓 มีใบรับรอง
Generative AI สำหรับช่างสัก: การออกแบบและการจัดวางตำแหน่ง
ใบรับรอง
ลงมือทำ
৳1,800.00
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
AI Voice Cloning: สร้างเสียงดิจิทัลส่วนตัวของคุณ
ใบรับรอง
ลงมือทำ
৳1,800.00
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
AI สำหรับครูสอน ESL: บทเรียน, ข้อความ และข้อสอบ
ใบรับรอง
ลงมือทำ
৳1,800.00
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
พื้นฐานของ LLMOps: การ Deploy, Version และ Monitor LLMs
ใบรับรอง
ลงมือทำ
৳1,800.00
→
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