RAG и генеративный ИИ. Создаем собственные RAG-пайплайны с помощью LlamaIndex, Deep Lake и Pinecon | RAG and Generative AI: Building Custom RAG Pipelines with LlamaIndex, Deep Lake, and Pinecone

RAG и генеративный ИИ. Создаем собственные RAG-пайплайны с помощью LlamaIndex, Deep Lake и Pinecon

Ротман Дэнис, 2025, Библиотека программиста

Обзор

В книге рассматриваются методы создания производительных систем генеративного ИИ и компьютерного зрения при оптимальных затратах. Особое внимание уделяется технологии RAG (Retrieval-Augmented Generation), которая повышает точность и релевантность ответов, связывая их с исходными документами. Это позволяет эффективно управлять большими объемами информации.

Изучите построение RAG-инфраструктуры, включая работу с векторными хранилищами, фрагментацией, индексацией и ранжированием данных. Освойте методы оптимизации производительности и углубленного анализа данных, такие как адаптивный RAG, обратная связь от человека и динамические RAG для принятия решений в реальном времени.

Кому подойдёт

• Разработчикам, интересующимся созданием и оптимизацией RAG-систем.
• Специалистам, работающим с большими языковыми моделями и генеративным ИИ.
• Инженерам, желающим внедрять интеллектуальные решения в проекты.

Ключевые особенности

• Язык: Русский
• Год издания: 2025
• Издательство: Питер
• Серия: Библиотека программиста
• Тип обложки: мягкая обложка
• Количество страниц: 320
• ISBN: 9786011231497

<hr>

RAG and Generative AI: Building Custom RAG Pipelines with LlamaIndex, Deep Lake, and Pinecone

Denis Rothman, 2025, Programmer's Library

Overview

This book explores techniques for building high-performance generative AI and computer vision systems cost-effectively. It provides an in-depth study of RAG technology, enhancing accuracy and contextual relevance by linking outputs to source documents. This offers a dynamic approach to managing large datasets.

Learn to construct RAG infrastructure, covering vector databases, chunking, indexing, and ranking. Discover methods for performance optimization and deeper data exploration, including adaptive RAG, human feedback for refined searches, and dynamic RAG for real-time decision support.

Who it's for

• Developers interested in building and optimizing RAG systems.
• Professionals working with large language models and generative AI.
• Engineers seeking to implement intelligent solutions in projects.

Key features

• Language: Russian
• Year: 2025
• Publisher: Piter
• Series: Programmer's Library
• Binding: Softcover
• Pages: 320
• ISBN: 9786011231497