Из чего состоят современные чат-боты для ответов на вопросы на основе ваших корпоративных баз знаний

Для кого вебинар?
Для ML-специалистов, аналитиков, разработчиков, продакт-менеджеров, проджект-менеджеров.
О чем вебинар?
Получать доступ к большим базам знаний не через поиск, а через чат-бот - более быстрый в использовании и дешевый в разработке способ получать информацию после появления ChatGPT.
На вебинаре:
🔹рассмотрим, что лежит в основе таких чат-ботов;
🔹разберем концепцию RAG (Retrieve Augmented Generation);
🔹узнаем, как построить такую систему самостоятельно на Python с помощью фреймворка LlamaIndex.
⚡️Спикер - Геннадий Штех:
🔸научный руководитель направления по работе с технологиями машинного обучения в Embedika.
Таймкоды:
01:00 - Знакомство со спикером и темой вебинара
02:03 - Что такое QA (Question Answering)?
03:20 - Что такое RAG (Retrieval Augemented Generation)?
04:45 - Зачем нужны RAG?
07:05 - Из каких компонентов состоит RAG?
13:12 - Как происходит ранжирование на примере двух документов
16:58 - Компонента генерации LLM
22:00 - Как получают Instruct-модели?
25:40 - Обзор схемы RAG с учетом рассказанного материала
26:11 - Что можно использовать для поиска?
28:40 - Что можно использовать для синтеза?
31:17 - Ограничения
32:42 - Библиотеки для развертывания
34:05 - Обзор части кода для работающего RAG
38:30 - Q&A сессия
Благодарим за просмотр!
Подписывайтесь на наши соцсети:
Women in Tech Russia:
Вконтакте: womenintechrus
Telegram: t.me/womenintechrus
Сайт WiT Russia: women-in-tech.org/ru/
Women in Big Data Russia:
Telegram: t.me/wibd_russia
Вконтакте: womeninbigdata
Глобальный сайт WiBD: www.womeninbigdata.org/
Сайт программы Mentor in Tech:
mentorintech.ru