Общо описание на курса
Този 12-седмичен курс ще предостави на учениците над 12 години основни знания и умения за разработване и внедряване на интелигентни приложения, използвайки RAG (Retrieval-Augmented Generation). Курсът ще започне с основите на RAG, ще премине през създаване и индексиране на съдържание и ще завърши с разработване на пълноценни RAG приложения. Основният акцент ще бъде върху интерактивното обучение, практическите упражнения и развиването на критично мислене.
Целева аудитория:
Деца над 12 години с интерес към програмиране, технологии и изкуствен интелект.
Предварителни знания:
Базови познания по програмиране (променливи, цикли, функции) – за предпочитане Python.
Цел:
Да се запознаят участниците с основите на RAG и да изградят свои собствени интелигентни приложения, използвайки лични данни и съвременни инструменти като Llama-index и LangChain.
Материали:
- Платформа за онлайн обучение (Google Classroom, Moodle)
- Google Colab и Jupyter Notebook
Структура на курса:
Курсът е разделен на 6 модула, всеки с продължителност 2 седмици. Всеки модул включва:
Лекции: (2 часа седмично)
- Представяне на теоретичните концепции с интерактивни примери, демонстрации и забавни факти.
Упражнения: (2 часа седмично)
- Практически задачи за затвърдяване на наученото, с фокус върху решаване на проблеми и творческо приложение.
Проект: (1 проект на модул)
- По-голям практически проект, разработен самостоятелно или в екип, с възможност за представяне пред публика.
Модул 1: Запознаване с Интелигентните Приложения
Седмица 1: Какво е RAG и Защо е Важно?
- Какво представлява RAG (Retrieval-Augmented Generation)?
- Защо RAG е по-добро от традиционните методи?
Седмица 2: Подготовка на Работната Среда
- Инсталиране на инструменти (Python, Jupyter Notebook)
- Запознаване с основни програми (Llama-index и LangChain)
Модул 2: Подготовка на Данните
Седмица 3: Събиране и Организиране на Лично Съдържание
- Как да събираме различни видове данни (текст, аудио, видео)
- Организация на данните за по-лесна работа
Седмица 4: Почистване и Подреждане на Данните
- Премахване на ненужни данни
- Как да направим данните готови за използване
Модул 3: Създаване на База Данни
Седмица 5: Как да Направим Векторна База Данни
- Какво е вектор и как работи
- Създаване на векторни представяния на данни
Седмица 6: Различни Видове Индекси
- Списъчни индекси и как да ги създаваме
- Векторни и дървовидни индекси за бързо търсене
Модул 4: Създаване на Интелигентно Приложение
Седмица 7: Интеграция с Голям Езиков Модел (LLM)
- Избор и настройка на подходящ модел
- Вграждане на модела в приложението
Седмица 8: Създаване на Модул за Търсене
- Основни части на модул за търсене
- Как да подобрим резултатите от търсенето
Модул 5: Подобряване на Нашето Приложение
Седмица 9: Оптимизация на Системата
- Как да настроим параметрите за по-добро извличане
- Метрики за оценка на качеството
Седмица 10: Разширени Техники
- Работа с различни формати на съдържание (PDF, аудио, видео)
- Многоезична поддръжка
Модул 6: Етика и Практически Проект
Седмица 11: Етика и Поверителност
- Как да управляваме лични данни
- Етични въпроси при използване на AI
Седмица 12: Практически Проект и Заключение
- Създаване на персонализирано приложение
- Представяне на проектите и заключение
Открий магията на RAG и AI
Учебен план по седмици
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
Седмица 1: Въведение в RAG и Интелигентните Приложения
Общ преглед на темите:
- Основни понятия в RAG (Retrieval-Augmented Generation)
- История и еволюция на интелигентните приложения
- Примери и приложения в реалния свят
Цели на обучението:
- Разбиране на основните концепции в RAG
- Запознаване с различни приложения на интелигентни приложения
Необходими материали и ресурси:
- Компютър с интернет достъп
- Основни статии и видеоклипове за RAG и интелигентни приложения
План на лекцията:
- Въведение в курса и целите му
- История и еволюция на интелигентните приложения
- Преглед на основните концепции в RAG
Практически упражнения и задачи:
- Изследване и обсъждане на реални приложения на интелигентни приложения
Проект или домашна работа:
- Напишете кратко есе за приложение на интелигентни технологии, което ви впечатлява
Седмица 2: Подготовка на Работната Среда
Общ преглед на темите:
- Инсталиране на необходимите инструменти
- Запознаване с Llama-index и LangChain
Цели на обучението:
- Настройка на работната среда за разработка
- Разбиране на функциите на Llama-index и LangChain
Необходими материали и ресурси:
- Компютър с интернет достъп
- Инсталационни инструкции за Python и Jupyter Notebook
План на лекцията:
- Инсталиране на Python и Jupyter Notebook
- Настройка на виртуална среда
- Въведение в Llama-index и LangChain
Практически упражнения и задачи:
- Инсталиране на необходимите инструменти
- Запознаване с основните функции на Llama-index и LangChain
Проект или домашна работа:
- Направете кратък доклад за ползите от използването на Llama-index и LangChain в RAG приложения
Седмица 3: Събиране и Организиране на Лично Съдържание
Общ преглед на темите:
- Методи за събиране на текстови, аудио и видео данни
- Организация и структуриране на данни за RAG системи
Цели на обучението:
- Усвояване на техники за събиране и организиране на данни
- Разбиране на значението на структурирани данни
Необходими материали и ресурси:
- Компютър с интернет достъп
- Примерни данни за упражнение
План на лекцията:
- Как да събираме текстови, аудио и видео данни
- Методи за организация на данните
- Значение на структурирани данни
Практически упражнения и задачи:
- Събиране на примерни данни
- Организация на данните в структуриран формат
Проект или домашна работа:
- Съберете и организирайте лични данни в структура, подходяща за RAG приложение
Седмица 4: Почистване и Подреждане на Данните
Общ преглед на темите:
- Премахване на ненужни данни
- Как да направим данните готови за използване
Цели на обучението:
- Усвояване на техники за почистване на данни
- Разбиране на важността на качествени данни
Необходими материали и ресурси:
- Компютър с интернет достъп
- Софтуерни инструменти за почистване на данни
План на лекцията:
- Как да премахваме ненужни данни
- Нормализация и форматиране на данни
- Подготовка на данните за векторизация
Практически упражнения и задачи:
- Почистване на събраните данни
- Нормализация и форматиране на данните
Проект или домашна работа:
- Направете анализ на събраните данни и представете ги в готов вид за следващия модул
Седмица 5: Създаване на Векторна База Данни
Общ преглед на темите:
- Какво е вектор и как работи
- Създаване на векторни представяния на текстови данни
Цели на обучението:
- Разбиране на концепцията за векторни пространства
- Създаване на векторни представяния на данни
Необходими материали и ресурси:
- Компютър с интернет достъп
- Примерни данни за векторизация
План на лекцията:
- Въведение във векторните пространства
- Създаване на векторни представяния
- Използване на вектори в RAG системи
Практически упражнения и задачи:
- Създаване на векторни представяния на събраните данни
Проект или домашна работа:
- Подгответе векторна база данни за следващия модул
Седмица 6: Различни Видове Индекси
Общ преглед на темите:
- Списъчни индекси и как да ги създаваме
- Векторни и дървовидни индекси за бързо търсене
Цели на обучението:
- Запознаване с различни видове индекси
- Усвояване на техники за създаване на индекси
Необходими материали и ресурси:
- Компютър с интернет достъп
- Примерни данни за индексиране
План на лекцията:
- Създаване на списъчни индекси
- Създаване на векторни индекси
- Създаване на дървовидни индекси
Практически упражнения и задачи:
- Създаване на различни видове индекси за събраните данни
Проект или домашна работа:
- Подгответе индексирана база данни за следващия модул
Седмица 7: Интеграция с Голям Модел за Език (LLM)
Общ преглед на темите:
- Избор и настройка на подходящ модел
- Вграждане на модела в приложението
Цели на обучението:
- Разбиране на концепцията за LLM
- Интегриране на LLM в RAG приложение
Необходими материали и ресурси:
- Компютър с интернет достъп
- Примерни LLM модели
План на лекцията:
- Избор на подходящ LLM
- Настройка на LLM
- Интегриране на LLM в RAG системата
Практически упражнения и задачи:
- Интегриране на LLM в разработваното приложение
Проект или домашна работа:
- Подгответе пример за използване на LLM в вашето RAG приложение
Седмица 8: Създаване на Модул за Търсене
Общ преглед на темите:
- Основни части на модул за търсене
- Как да подобрим резултатите от търсенето
Цели на обучението:
- Усвояване на техники за създаване на модул за търсене
- Разбиране на значението на доброто търсене
Необходими материали и ресурси:
- Компютър с интернет достъп
- Примерни данни и код
План на лекцията:
- Основни части на модул за търсене
- Методи за подобряване на резултатите
- Практическо приложение на модул за търсене
Практически упражнения и задачи:
- Създаване на модул за търсене за разработваното приложение
Проект или домашна работа:
- Представете пример за работещ модул за търсене в RAG приложение
Седмица 9: Оптимизация на Системата
Общ преглед на темите:
- Как да настроим параметрите за по-добро извличане
- Метрики за оценка на качеството
Цели на обучението:
- Усвояване на техники за оптимизация
- Разбиране на значението на метриките за оценка
Необходими материали и ресурси:
- Компютър с интернет достъп
- Примерни данни и инструменти за оценка
План на лекцията:
- Настройка на параметрите
- Метрики за оценка на качеството
- Практическа оптимизация
Практически упражнения и задачи:
- Оптимизация на RAG системата
Проект или домашна работа:
- Направете анализ на оптимизациите, които сте направили, и представете резултатите
Седмица 10: Разширени Техники
Общ преглед на темите:
- Работа с различни формати на съдържание (PDF, аудио, видео)
- Многоезична поддръжка
Цели на обучението:
- Усвояване на техники за работа с различни формати на съдържание
- Разбиране на многоезичната поддръжка
Необходими материали и ресурси:
- Компютър с интернет достъп
- Примерни данни в различни формати
План на лекцията:
- Работа с PDF, аудио и видео съдържание
- Многоезична поддръжка в RAG системи
- Практическо приложение
Практически упражнения и задачи:
- Работа с различни типове съдържание
- Добавяне на многоезична поддръжка в RAG приложението
Проект или домашна работа:
- Представете пример за работа с различни формати на съдържание и многоезична поддръжка
Седмица 11: Етика и Поверителност
Общ преглед на темите:
- Как да управляваме лични данни
- Етични въпроси при използване на AI
Цели на обучението:
- Разбиране на важността на етичните въпроси
- Усвояване на техники за управление на лични данни
Необходими материали и ресурси:
- Компютър с интернет достъп
- Основни статии и ресурси за етика и поверителност
План на лекцията:
- Управление на лични данни
- Етични въпроси и казуси
- Практически подходи за етичност
Практически упражнения и задачи:
- Анализ на етични въпроси и предложения за решения
Проект или домашна работа:
- Напишете доклад за етичен казус в AI и как бихте го разрешили
Седмица 12: Практически Проект и Заключение
Общ преглед на темите:
- Създаване на персонализирано RAG приложение
- Представяне на проектите и заключение на курса
Цели на обучението:
- Завършване на персонализирано RAG приложение
- Представяне на наученото и резултатите от проекта
Необходими материали и ресурси:
- Компютър с интернет достъп
- Презентационни материали
План на лекцията:
- Работа по финалния проект
- Подготовка за представяне
- Представяне на проектите
Практически упражнения и задачи:
- Завършване на персонализираното RAG приложение
- Подготовка за презентация
Проект или домашна работа:
- Представете завършения си проект пред класа и обобщете наученото през курса
- Теоретични умения
- Практически умения
- Лични умения
- Основи на RAG (Retrieval-Augmented Generation): Участниците ще разберат концепцията за RAG, неговите основни принципи и защо се използва в интелигентни приложения.
- История и Еволюция на Интелигентните Приложения: Курсистите ще научат за развитието на изкуствения интелект и интелигентните приложения, включително ключови събития и технологии.
- Структура на Данните и Индексиране: Разбиране на различните начини за структуриране на данни и създаване на индекси за бързо търсене и извличане на информация.
- Векторни Пространства и Представяния: Курсистите ще научат какво представляват векторите, как се създават векторни представяния на данни и защо са важни за RAG.
- Многоезична Поддръжка: Теоретично разбиране на как се реализира многоезична поддръжка в RAG системите и защо е важна.
- Етични Въпроси и Поверителност: Познаване на основните етични въпроси свързани с AI, как да се управляват лични данни и защо е важно да се обръща внимание на етиката.
- Настройка на Работна Среда: Участниците ще научат как да инсталират и настроят необходимите инструменти като Python, Jupyter Notebook, Llama-index и LangChain.
- Събиране и Организиране на Данни: Курсистите ще усвоят методите за събиране, почистване и организиране на лични данни, за да ги направят подходящи за използване в RAG приложения.
- Създаване на Векторни Представяния: Практическо създаване на векторни представяния на текстови, аудио и видео данни.
- Индексиране на Данни: Създаване на различни видове индекси (списъчни, векторни, дървовидни) за бързо и ефективно търсене в големи обеми данни.
- Интеграция на LLM (Large Language Model): Участниците ще научат как да интегрират голям езиков модел в своите RAG приложения.
- Създаване на Модул за Търсене: Проектиране и изграждане на модул за търсене, който да извлича релевантна информация от базата данни.
- Оптимизация на RAG Система: Настройка и оптимизация на параметрите за по-добро извличане на информация и повишаване на точността на системата.
- Работа с Различни Формати на Съдържание: Обработка и интеграция на различни видове съдържание (PDF, аудио, видео) в RAG системата.
- Разработка на Персонализирано Приложение: Участниците ще разработят и внедрят собствено RAG приложение, използвайки всички усвоени умения.
- Критично Мислене: Развиване на способността да анализират проблеми и да намират ефективни решения чрез използване на RAG и AI технологии.
- Креативност: Стимулиране на въображението и креативността чрез проектиране и изграждане на иновативни приложения.
- Работа в Екип: Усвояване на умения за ефективна комуникация и сътрудничество с други участници при работа по екипни проекти.
- Самостоятелност: Развиване на самодисциплина и независимост при изпълнение на задачи и проекти.
- Презентационни Умения: Участниците ще научат как да представят и защитават своите проекти пред публика, което ще подобри техните умения за комуникация и презентиране.
- Управление на Времето: Курсът ще помогне на участниците да развият умения за ефективно управление на времето, което е ключово при изпълнение на сложни проекти.
- Етично Поведение: Развиване на осъзнатост и отговорност по отношение на етичните въпроси в AI и управлението на лични данни.
Запознаване с RAG
Започваме с магичното пътешествие в света на RAG! В първите седмици ще разберем какво представлява RAG и защо е толкова специално. Ще открием защо локалният RAG е като супергерой в сравнение с традиционните методи и ще се запознаем с основните понятия. Ще е забавно, обещаваме!
Подготовка на Средата
Пригответе се за техническо приключение! Ще инсталираме всички необходими инструменти, ще се запознаем с Llama-index и LangChain, и ще подготвим нашите компютри за вълнуващите задачи напред. Ще научим как да подреждаме данните си, така че всичко да е на място – малко като да подредим стаята си, но много по-интересно!
Стъпка 1 – Подготовка на Данните
Събирането на данни ще бъде като търсене на съкровище! Ще се научим как да събираме и организираме личното си съдържание, като го почистваме и форматираме по правилния начин. Това е нашата база за всичко останало, така че ще се постараем да я направим перфектна.
Стъпка 2 – Индексиране на Съдържанието
Ще превърнем данните си в леснодостъпно съкровище! Ще научим как да създаваме векторни бази данни и как да работим с различни видове индекси. Ще разберем как да направим данните ни лесни за търсене и ще се почувстваме като истински научни детективи.
Стъпка 3 – Изграждане на RAG Приложение
Тук ще започнем да създаваме нашите собствени магически RAG приложения! Ще интегрираме голям езиков модел и ще създадем собствен модул за търсене. Ще видим как всичко започва да оживява и ще се почувстваме като истински изобретатели.
Оптимизация на RAG Системата
Време е да направим нашето приложение супер бързо и точно! Ще научим как да оптимизираме параметрите си, за да подобрим извличането на информация. Ще се почувстваме като истински инженери, настройващи своята изобретателска машина до съвършенство.
Разширени Техники
Пригответе се за напреднали техники! Ще се научим как да работим с различни типове съдържание като PDF, аудио и видео. Освен това, ще направим нашето приложение многоезично, за да може да разбира и отговаря на различни езици. Ще бъде вълнуващо и забавно!
Етика и Поверителност
Ще се потопим в света на етиката и поверителността в AI. Ще научим защо е важно да управляваме личните данни правилно и как да се справяме с етичните въпроси. Това е нашият шанс да станем отговорни създатели на технологии и да разберем какво означава да бъдем добри дигитални граждани.
Моля, попълнете този формуляр
- PreviewDuration : 1 hrs
- PreviewDuration : 2 hrs
- PreviewDuration : 2 hrs
Total number of Students in this course : 1
-
darren
-
Mcgettrick
-
Nik Raychev
-
testtest test
-
Kaloyan Andreeev
-
Александър Дойчев
AI за малки гении: Забавно и полезно
Забавление с Роботи и Алгоритми
-
1 Star
-
2 Stars
-
3 Stars
-
4 Stars
-
5 Stars
Comments ( 2 )
Comments are closed.
Свържете се с нас:
Свържете се с нас:
- Бизнес Парк Варна, Сграда Б1, гр. Варна
- support@xplorify.bg
- +358 889 852720
- www.xplorify.bg
Comment
I recently completed the RAG Class at Xplorify and it was a fantastic experience! The instructors were knowledgeable and engaging, and the hands-on activities really helped solidify the concepts. I feel much more confident in my ability to apply what I learned in real-world scenarios. Highly recommend this course to anyone looking to enhance their skills in this area!
I’ve completed the RAG Class on xplorify.bg, and it’s an excellent and practical course for understanding Raspberry Pi and its components. The hands-on exercises and instructor’s guidance made it easy to grasp complex concepts. Highly recommended for beginners and experienced makers alike!