Menu

Zaloguj się

Twoje konto

×
Dodano do koszyka:
Pozycja znajduje się w koszyku, zwiększono ilość tej pozycji:
Zakupiłeś już tę pozycję:
Książkę możesz pobrać z biblioteki w panelu użytkownika
Pozycja znajduje się w koszyku
Przejdź do koszyka

Zawartość koszyka

ODBIERZ TWÓJ BONUS :: »

Szukaj

Zamknij

    Dostawa od 0,00zł

    TOP tytuł w super cenie » 50% taniej

    RAG-Driven Generative AI. Build custom retrieval augmented generation pipelines with LlamaIndex, Deep Lake, and Pinecone Denis Rothman

    (ebook) (audiobook) (audiobook) Książka w języku angielskim
    RAG-Driven Generative AI. Build custom retrieval augmented generation pipelines with LlamaIndex, Deep Lake, and Pinecone Denis Rothman - okladka książki

    RAG-Driven Generative AI. Build custom retrieval augmented generation pipelines with LlamaIndex, Deep Lake, and Pinecone Denis Rothman - okladka książki

    RAG-Driven Generative AI. Build custom retrieval augmented generation pipelines with LlamaIndex, Deep Lake, and Pinecone Denis Rothman - audiobook MP3

    RAG-Driven Generative AI. Build custom retrieval augmented generation pipelines with LlamaIndex, Deep Lake, and Pinecone Denis Rothman - audiobook CD

    Autor:
    Denis Rothman
    Serie wydawnicze:
    Expert Insight
    Wydawnictwo:
    Packt Publishing (Z chęcią przeczytam książkę w języku polskim)
    Ocena:
    Bądź pierwszym, który oceni tę książkę
    Stron:
    334
    Dostępne formaty:
         PDF
         ePub
    RAG-Driven Generative AI provides a roadmap for building effective LLM, computer vision, and generative AI systems that balance performance and costs.

    This book offers a detailed exploration of RAG and how to design, manage, and control multimodal AI pipelines. By connecting outputs to traceable source documents, RAG improves output accuracy and contextual relevance, offering a dynamic approach to managing large volumes of information. This AI book shows you how to build a RAG framework, providing practical knowledge on vector stores, chunking, indexing, and ranking. You’ll discover techniques to optimize your project’s performance and better understand your data, including using adaptive RAG and human feedback to refine retrieval accuracy, balancing RAG with fine-tuning, implementing dynamic RAG to enhance real-time decision-making, and visualizing complex data with knowledge graphs.

    You’ll be exposed to a hands-on blend of frameworks like LlamaIndex and Deep Lake, vector databases such as Pinecone and Chroma, and models from Hugging Face and OpenAI. By the end of this book, you will have acquired the skills to implement intelligent solutions, keeping you competitive in fields from production to customer service across any project.

    Wybrane bestsellery

    Selling helion.pl

    O autorze książki

    Denis Rothman graduated from Sorbonne University and Paris-Diderot University, designing one of the very first word2matrix patented embedding and patented AI conversational agents. He began his career authoring one of the first AI cognitive natural language processing (NLP) chatbots applied as an automated language teacher for Moët et Chandon and other companies. He authored an AI resource optimizer for IBM and apparel producers. He then authored an advanced planning and scheduling (APS) solution used worldwide.

    Denis Rothman - pozostałe książki

    Zobacz pozostałe książki z serii Expert Insight

    Packt Publishing - inne książki

    Zamknij

    Przenieś na półkę

    Proszę czekać...
    ajax-loader

    Zamknij

    Wybierz metodę płatności

    Ebook
    134,10 zł
    Dodaj do koszyka

    Wydawnictwo Naukowe Helion »

    Grafika Wydawnictwo Naukowe Helion. Dołącz do nas!
    Zamknij Pobierz aplikację mobilną Ebookpoint
    Zabrania się wykorzystania treści strony do celów eksploracji tekstu i danych (TDM), w tym eksploracji w celu szkolenia technologii AI i innych systemów uczenia maszynowego. It is forbidden to use the content of the site for text and data mining (TDM), including mining for training AI technologies and other machine learning systems.