Xây dựng hệ thống RAG với LangChain. Vector databases, embeddings, document loaders, và chatbot RAG hỏi đáp quy định/pháp luật Việt Nam.
6-8 tuần
Thời gian
13
Bài học
0
Học viên
—
Đánh giá
Giảng viên: MinAI Team
AI & Data Science Educator
Nắm vững kiến thức nền tảng của khóa học
Hiểu sâu lý thuyết và ứng dụng thực tế
Thực hành với các bài tập và code mẫu
Phát triển kỹ năng tư duy và giải quyết vấn đề
Áp dụng kiến thức vào dự án thực tế
Sẵn sàng cho các khóa học nâng cao
13 bài học • Tổng thời gian: 6-8 tuần
0/13
Hoàn thành
Hiểu về Retrieval-Augmented Generation và tại sao cần Vector Databases
So sánh Pinecone, Weaviate, Chroma, Qdrant và cách chọn đúng database
Học cách xử lý documents và chunking strategies cho RAG
Các kỹ thuật nâng cao để cải thiện chất lượng RAG
Xây dựng vector search với ChromaDB: collections, embeddings, metadata filtering
Pinecone, Weaviate, và cách chọn vector database cho production RAG
Load và xử lý PDF, Word, Web pages, và nhiều document formats cho RAG
Kỹ thuật chia documents thành chunks tối ưu cho RAG retrieval
HyDE, Multi-Query, Step-Back Prompting, và Query Decomposition cho RAG
Kết hợp keyword search, semantic search và reranking để tối ưu retrieval
RAGAS framework, custom metrics, và monitoring cho RAG systems
Xây dựng production-ready RAG system hoàn chỉnh
Kiểm tra kiến thức toàn khóa học GenAI RAG & Knowledge Systems
AI & Data Science Educator
Đội ngũ giảng viên MinAI với kinh nghiệm thực tế trong lĩnh vực AI, Machine Learning và Data Science. Chúng tôi cam kết mang đến nội dung chất lượng và hỗ trợ học viên tận tình.
0 câu hỏi
Hãy là người đầu tiên đặt câu hỏi về khóa học này!
Tham gia cùng hàng ngàn học viên đã thành công với Retrieval-Augmented Generation (RAG) & LangChain. Hoàn toàn miễn phí và không giới hạn thời gian.
Hỏi AI Mentor
Hỗ trợ 24/7
