Vector Database dan Retrieval-Augmented Generation
Bagian dari kursus Prompt Engineering
Di pelajaran 2 kamu sudah melihat kenapa model berhalusinasi: ia memprediksi token berikutnya yang paling mungkin, ia tidak mencari fakta, dan apa pun yang di luar data latihannya atau di luar context window-nya cuma tebakan. Di pelajaran 5 kamu belajar mengisi template prompt dengan data sebelum mengirimnya.
Model cuma tahu dua hal: apa yang ia serap saat dilatih, dan apa yang kamu taruh di prompt saat ini juga. Ia tidak bisa melihat wiki perusahaanmu, tiket support minggu lalu, atau PDF yang tersimpan di disk-mu. Tanyakan soal salah satunya dan ia akan menghasilkan teks yang lancar, percaya diri, dan salah. Itulah masalah halusinasi dari pelajaran 2. ...
Ingin belajar Prompt Engineering Vector Database dan Retrieval-Augmented Generation di lingkungan nyata?
Klik di bawah, dapatkan mesin Linux dengan Prompt Engineering siap pakai, dan kerjakan Vector Database dan Retrieval-Augmented Generation secara praktik dengan tutor AI yang memahami kodemu.
Mulai pelajaran iniVector Database dan Retrieval-Augmented GenerationYang akan kamu pelajari
- Embeddings and vector similarity
- Chunking documents
- Vector databases and nearest-neighbor search
- Retrieval-augmented generation
- Grounding answers with citations
Baca pelajaran ini dalam bahasamu
Semua pelajaran di kursus ini
11 pelajaran- 1Apa Itu Prompt20 mnt
- 2Bagaimana Large Language Model Menghasilkan Teks30 mnt
- 3Lima Prinsip Prompting30 mnt
- 4Praktik Standar untuk Pembuatan Teks35 mnt
- 5Prompt Templates dan Function Calling35 mnt
- 6Vector Database dan Retrieval-Augmented Generation40 mnt
- 7Autonomous Agents: Memory dan Tools40 mnt
- 8Bagaimana Diffusion Models Menghasilkan Gambar30 mnt
- 9Praktik Standar untuk Generasi Gambar35 mnt
- 10Teknik Gambar Lanjutan: Inpainting, Outpainting, dan ControlNet35 mnt
- 11Membangun Aplikasi Bertenaga AI40 mnt
Lihat kursus lain
