Crash Course: Побудова RAG-системи
Менторка - Наталія Манакова, Senior Data Scientist, AI консультант в SoftServe, PhD
Запрошуємо на оновлений та розширений курс по побудові RAG-системи: на доданій сесії ви розберете детальніше, як зібрати RAG повністю локально, без попадання ваших приватних документів в мережу.
Більшість AI-інструментів добре працюють із загальними знаннями, але у них виникають складнощі при роботі з реальними документами: внутрішніми базами знань, PDF, нотатками, клієнтськими даними тощо. Саме тут з’являється RAG (Retrieval-Augmented Generation) — підхід, який дозволяє поєднати пошук по ваших даних із можливостями LLM.
Також RAG-системи активно використовуються у продуктах: від чат-ботів до корпоративних knowledge systems, що робить їх дуже актуальними для сучасного ринку.
На цьому краш курсі ви крок за кроком зберете власну RAG-систему, яка відповість на запитання на основі ваших документів і додасть посилання на джерела.
- У процесі роботи ви розберетесь із ключовими компонентами сучасних AI-рішень:
- як працює семантичний пошук
- що таке embeddings і як вони використовуються
- як влаштовані векторні бази даних
- як поєднати retrieval і generation в одну систему
Формат поєднує в собі коротку теорію, live coding та практичні приклади. Ви не просто зрозумієте, як працює RAG, а й зможете самостійно реалізувати базову версію і адаптувати її під свої задачі.
У результаті, ви отримаєте приклад готової системи і чітке розуміння, як застосовувати ці підходи на практиці для реальної економії часу і підвищення ефективності команд.
Аудиторія
- Data Scientists / ML Engineers (classic ML → GenAI)
Спеціалісти з досвідом у класичному ML, які хочуть перейти в GenAI та отримати практичний досвід роботи з LLM, embeddings і RAG. - Data / Business Analysts
Аналітики, які працюють з великими обсягами текстових даних і хочуть автоматизувати пошук та аналіз інформації за допомогою AI. - AI / GenAI ентузіасти (з базовими знаннями)
Фахівці, знайомі з ChatGPT або OpenAI API, які хочуть перейти від prompt-експериментів до створення повноцінних AI-систем. - Tech Leads / Architects
Технічні лідери, які оцінюють і впроваджують AI-рішення та хочуть глибше зрозуміти архітектуру RAG і можливості її застосування в production.
Формат:
Дата та час: 27, 27, 29 серпня, online, старт о 18:30 (Kyiv time, GMT+2) в будні, в 10:00 в суботу.
Тривалість кожної сесії: ~2,5 години
Платформа: Zoom. Ви отримаєте посилання на трансляцію напередодні воркшопу, а також воно буде доступне на цьому лендінгу
Рекомендований набір інструментів та підписок:
Мова заходу та презентацій: українська
Програма
- Основи: що таке RAG і навіщо він потрібен
- Архітектура: як працює RAG-система (retrieval + generation)
- Дані: підготовка документів (PDF / текст)
- Підготовка даних: chunking та embeddings для ефективного пошуку
- Інфраструктура: векторні бази даних
- Інтеграція: підключення до LLM
- Реалізація: побудова pipeline
- Практика 1: Демонстрація та тестування системи на OpenAI моделях + чат-бот Телеграм.
- Практика 2: Аналіз костів та evaluation якості відповідей.
- Практика 3: Збір пайплайну повністю локально. Нюанси роботи з локальними LLM.
Менторка: Наталія Манакова, Senior Data Scientist, SoftServe
— Має досвід розробки AI-рішень з використанням LLM та RAG
— В портфоліо є production-ready системи GenAi/RAG/Agentic
— PhD по прикладній математиці і прогресивних інйормаційних технологіях
— Спікерка на конференціях та менторка в програмах WomanWhoCode
— Веде дослідження по AI у внутрішній лабі компанії
Вартість участі
Доступ до онлайн-cесій курсу
Доступ до відеозаписів та матеріалів на навчальній платформі
Презентації
Доступ до чату, де спікер буде відповідати на питання
Сертифікат учасника (за умови виконання домашніх завдань)
Безкоштовний місяць в Fwdays Club
Знижка 10% на участь в конференціях Fwdays
Доступна оплата частинами від Monobank та покупка частинами від ПриватбанкуЯкщо після першого заняття ви зрозумієте, що очікування не співпадають, ми повертаємо гроші в повному обсязі.