LLM-ზე დაფუძნებული აპების შექმნა: RAG & Agents

სილაბუსი

რვა მოდული production LLM აპლიკაციების შესაქმნელად და გასაშვებად:

• მოდული 1: LLM შიდა მოწყობა — tokenization, context windows, temperature, sampling strategies
• მოდული 2: Vector databases — embeddings, similarity search, Qdrant, Pinecone, pgvector
• მოდული 3: RAG pipelines — დოკუმენტების ჩატვირთვა, chunking სტრატეგიები, retrieval evaluation
• მოდული 4: Advanced RAG — hybrid search, re-ranking, query rewriting, HyDE
• მოდული 5: AI agents — ReAct pattern, tool use, memory, multi-step planning
• მოდული 6: Multi-agent სისტემები — agent orchestration, handoffs, shared state
• მოდული 7: Evaluation და observability — LLM evals, tracing, LangSmith, cost monitoring
• მოდული 8: Production deployment — streaming APIs, caching, load balancing, failover