การพัฒนาระบบ RAG ด้วย Azure OpenAI และ Azure AI Search

การเชื่อมต่อโมเดลภาษาขนาดใหญ่เข้ากับข้อมูลธุรกิจที่เป็นกรรมสิทธิ์ของคุณเป็นกุญแจสำคัญในการสร้างแอปพลิเคชัน AI ที่มีประโยชน์อย่างแท้จริง หลักสูตรนี้จะแนะนำคุณตลอดกระบวนการออกแบบและปรับใช้ระบบ Retrieval-Augmented Generation (RAG) โดยใช้ระบบนิเวศของ Azure เมื่ออ่านคู่มือที่ครอบคลุมนี้ คุณจะเปลี่ยนจากการทำความเข้าใจแนวคิด AI พื้นฐานไปสู่การใช้งานสถาปัตยกรรมการดึงข้อมูลที่ซับซ้อนและพร้อมสำหรับการใช้งานจริง คุณจะได้เรียนรู้วิธีเตรียมข้อมูล สร้าง embeddings และจัดการเวิร์กโฟลว์การค้นหาที่ให้การตอบสนอง AI ที่แม่นยำและคำนึงถึงบริบทสูง สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจหลักการพื้นฐานของ RAG, vector embeddings และ semantic search - กำหนดค่า Azure AI Search เพื่อจัดทำดัชนี จัดเก็บ และดึงเอกสารที่ไม่มีโครงสร้าง - ใช้ความสามารถของฐานข้อมูลเวกเตอร์และ hybrid search queries ด้วย CosmosDB - สำรวจสถาปัตยกรรม GraphRAG โดยใช้ Neo4j เพื่อวิเคราะห์ความสัมพันธ์ของข้อมูลที่ซับซ้อน - ออกแบบระบบ RAG แบบ multi-modal ที่จัดการทั้งอินพุตข้อความและรูปภาพ - ผสานรวมส่วนประกอบการค้นหาเข้ากับโมเดลภาษาภายใน Azure AI Studio หลักสูตรที่เน้นข้อความนี้เริ่มต้นด้วยคำศัพท์ที่จำเป็นและแนวคิดการค้นหาพื้นฐานก่อนที่จะเข้าสู่คู่มือการใช้งานทีละขั้นตอนและรูปแบบสถาปัตยกรรม ผ่านคำอธิบายที่ชัดเจนและตัวอย่างโค้ดที่ใช้งานได้จริง คุณจะได้รับความเข้าใจเชิงแนวคิดอย่างลึกซึ้งเกี่ยวกับระบบการดึงข้อมูลสมัยใหม่ หลักสูตรนี้ออกแบบมาสำหรับนักพัฒนาซอฟต์แวร์ ผู้เชี่ยวชาญด้านข้อมูล และผู้ที่สนใจ AI ที่ต้องการสร้างโซลูชัน AI ที่เชื่อมต่อกับข้อมูลแบบกำหนดเอง ไม่จำเป็นต้องมีประสบการณ์ RAG หรือบริการ Azure AI มาก่อน เริ่มอ่านวันนี้เพื่อสร้างระบบการดึงข้อมูลที่ปลอดภัยและปรับขนาดได้สำหรับแอปพลิเคชัน AI ของคุณ