Kurs
Digicomp Code RAG
Retrieval-Augmented Generation (RAG) Chatbots – Implementierung und Deep Dive («RAG»)
Kurs-Facts
- Praktische Erfahrung in der Implementierung von RAG Chatbots
- Architektur von RAG-Systemen
- Evaluaieren und Optimieren von RAG Chatbots
- Security von RAG Chatbots
- Information Retrieval für Textdokumente, einschliesslich Textsuche und semantischer Suche mittels Vektor-Datenbanken
In diesem Kurs erwerben die Teilnehmenden sowohl das notwendige theoretische Grundlagenwissen als auch die praktische Erfahrung zur Implementierung von produktionsreifen RAG Chatbots im Enterprise Umfeld. Der Kursinhalt umfasst:
1 Implementierung eines produktionsreifen RAG Chatbots mittels ausgewählter Open Source Tools
Gemeinsam implementieren wir einen produktionsreifen RAG Chatbot basierend auf Python-basierten Open Source Libraries und ausgewählten Public-Cloud-Diensten zum Hosten von Language-Modellen.
2 Architektur und Funktionsweise von Retrieval Augmented Generation (RAG) Chatbots
Funktionsweise und Architekturen für RAG-Chatbots; Skalierungs- und Kostenaspekte.
3 Grundlagen Information Retrieval und semantische Suche für Textdokumente
Klassische Textsuche und semantische Suche mittels Vektor-Datenbanken; Funktionsweise Vektor-Suchmaschinen.
4 Evaluierung und Optimierung von RAG-Systemen
Systematisches Evaluieren und Optimieren von RAG Chatbots.
5 Security von RAG-Systemen
Entwickeln eines holistischen Sicherheitskonzepts für RAG; die Rolle von Red Teaming, Content Filtering, Prompt Logging usw.
6 Erweiterungen von RAG-Systemen
Übersicht über weitere Entwicklungen und Erweiterungen von Standard RAG Chatbots wie Agentic AI und Agentic RAG, multimodales RAG, oder Text-to-Query.
- Hands-on-Implementierung
- Interaktive Theorie-Einheiten
- Erfahrungsaustausch in der Gruppe
- Software Engineers
- Data Scientists, AI-Entwickler, ML Engineers
- IT-Architekten (z.B. Software-Architekten, Enterprise-Architekten)
- Product Owner, Product Manager im AI-Bereich mit Erfahrung in der Softwareentwicklung