Vector Databases और Retrieval-Augmented Generation
Prompt Engineering कोर्स का हिस्सा
पाठ 2 में आपने देखा कि मॉडल मनगढ़ंत बात क्यों कहता है: वह आगे आने लायक टोकन का अनुमान लगाता है, तथ्य कहीं देखकर नहीं बताता, और उसकी ट्रेनिंग या उसकी संदर्भ खिड़की से बाहर की हर चीज़ एक अटकल है। पाठ 5 में आपने सीखा कि प्रॉम्प्ट के टेम्पलेट में डेटा भरकर उसे भेजना कैसे होता है। यह पाठ उन दोनों विचारों को मिलाकर वह मानक इलाज बनाता है जिससे मॉडल को असली, ताज़ा, निजी जानकारी पर टिकाया जाता है: पहले सही टेक्स्ट लाइए, फिर...
मॉडल को दो ही चीज़ें पता होती हैं: वह जो उसने ट्रेनिंग के दौरान अपने भीतर उतारा, और वह जो आपने इस समय प्रॉम्प्ट में रखा है। वह आपकी कंपनी की विकी नहीं देख सकता, पिछले हफ़्ते के सपोर्ट टिकट नहीं देख सकता, और डिस्क पर पड़ी आपकी कोई PDF भी नहीं। इनमें से किसी के बारे में पूछिए और वह बहता हुआ, भरोसे से भरा, ग़लत टेक्स्ट बना देगा। पाठ 2 की मनगढ़ंत बात की समस्या यही है। ...
असली माहौल में Prompt Engineering Vector Databases और Retrieval-Augmented Generation सीखना चाहते हैं?
नीचे क्लिक करें, Prompt Engineering के साथ तैयार एक Linux मशीन पाएँ, और AI ट्यूटर के साथ Vector Databases और Retrieval-Augmented Generation पर हाथ-से-काम करें जो आपका कोड जानता है।
यह पाठ शुरू करेंVector Databases और Retrieval-Augmented Generationआप क्या सीखेंगे
- Embeddings and vector similarity
- Chunking documents
- Vector databases and nearest-neighbor search
- Retrieval-augmented generation
- Grounding answers with citations
यह पाठ अपनी भाषा में पढ़ें
इस कोर्स के सभी पाठ
11 पाठ- 1Prompt क्या है20 मिनट
- 2Large Language Models टेक्स्ट कैसे बनाते हैं30 मिनट
- 3प्रॉम्प्टिंग के पाँच सिद्धांत30 मिनट
- 4टेक्स्ट जनरेशन के लिए मानक तरीके35 मिनट
- 5Prompt Templates और Function Calling35 मिनट
- 6Vector Databases और Retrieval-Augmented Generation40 मिनट
- 7Autonomous Agents: Memory और Tools40 मिनट
- 8Diffusion Models तस्वीरें कैसे बनाते हैं30 मिनट
- 9इमेज जनरेशन के लिए मानक प्रथाएं35 मिनट
- 10उन्नत Image तकनीकें: Inpainting, Outpainting, और ControlNet35 मिनट
- 11AI-संचालित एप्लिकेशन बनाना40 मिनट
