RAG Mühendisliği: Embeddings, Vector DB ve GraphRAG
Chunking, embeddings, pgvector, Pinecone, OpenSearch, hybrid search, reranking, GraphRAG ve RAG evaluation.
Seviye
Orta
Süre
24 saat
Tahmini yayın
2027 Q1
Kategori
AI Engineering
Retrieval-Augmented Generation'ı 'çalışan demo'dan 'üretimde güvenilir sistem'e taşıyan derinlemesine kurs. Chunking stratejilerinden vector database seçimine, hybrid search ve reranking'den GraphRAG'e; doğruluğu ölçülebilir, ölçeklenebilir RAG sistemleri kurmayı öğrenirsin.
Öğrenilecek teknolojiler
Ne öğreneceksin
- Etkili chunking ve embedding stratejileri seçme
- pgvector, Pinecone, OpenSearch arasında doğru tercih yapma
- Hybrid search ve reranking ile isabet oranını yükseltme
- GraphRAG ile ilişkisel bilgiyle çalışma ve RAG evaluation kurma
Kimler için
- LLM uygulamalarını kendi verisiyle beslemek isteyen mühendisler
- Kurumsal doküman/bilgi tabanı arama sistemi kuranlar
- RAG demolarını üretime taşımakta zorlananlar
Müfredat özeti
- 01RAG mimarisi ve chunking stratejileri
- 02Embeddings ve vector database temelleri
- 03pgvector, Pinecone ve OpenSearch karşılaştırması
- 04Hybrid search ve reranking
- 05GraphRAG: ilişkisel bilgiyle erişim
- 06RAG evaluation ve production'a hazırlık
Diğer kursları keşfet
AI Engineering
AI Engineer Bootcamp: Python, LLM, RAG ve Agents
Python, FastAPI, OpenAI/Anthropic API, RAG, AI agents, Docker ve cloud deployment ile uçtan uca AI uygulamaları geliştirin.
AI Engineering
AI Agent Mühendisliği: LangChain ve LangGraph
LangChain, LangGraph, tool calling, memory, human-in-the-loop ve multi-agent sistemleri geliştirin.
AI Engineering
MCP ile AI Araçları ve Agent Entegrasyonları
Model Context Protocol sunucuları oluşturarak AI uygulamalarını dosyalara, API'lere, veritabanlarına ve kurumsal sistemlere bağlayın.