2 Repos
Awesome GitHub RepositoriesRAG Application Development Courses
Curricula focused on the end-to-end development of retrieval augmented generation applications.
Distinct from RAG Context Retrieval: The candidates focus on specific components like retrieval or grounding; this covers the comprehensive build process as an educational path.
Explore 2 awesome GitHub repositories matching education & learning resources · RAG Application Development Courses. Refine with filters or upvote what's useful.
Awesome RAG Application Development Courses GitHub Repositories
Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
- datatalksclub/llm-zoomcamp
DataTalksClub/llm-zoomcamp
6,529Auf GitHub ansehenllm-zoomcamp is a comprehensive educational program and course for building real-life AI systems using large language models. It serves as a structured curriculum and implementation guide for developing AI applications and retrieval techniques. The project provides instructional material on building retrieval augmented generation pipelines to ground model responses in custom knowledge bases. It includes training on vector database implementation, semantic search, and the use of function calling to create autonomous agentic workflows. The curriculum covers a broad range of system development
Serves as a structured implementation guide for developing full RAG pipelines to ground model responses.
Jupyter Notebook - decodingai-magazine/llm-twin-course
decodingai-magazine/llm-twin-course
4,359Auf GitHub ansehenDieses Projekt ist ein Bildungslehrplan und eine Reihe technischer Anleitungen zum Aufbau produktionsreifer Large-Language-Model- und Retrieval-Augmented-Generation-Systeme. Es bietet Lehrmaterialien und praktische Lektionen mit Fokus auf Modellspezialisierung, LLMOps und die Implementierung von Vektordatenbanken. Der Kurs deckt die Entwicklung von Retrieval-Augmented-Generation-Systemen ab, einschließlich Tutorials zum Erstellen von Datenpipelines, die Inhalte crawlen, chunking durchführen und in Vektorspeicher einbetten. Er enthält Schulungsleitfäden für die Bereitstellung, Überwachung und Wartung von Sprachmodellen in Produktionsumgebungen. Das Material erforscht das Fine-Tuning von Sprachmodellen durch parametereffizientes Tuning und die Erstellung von Instruktionsdatensätzen. Es deckt zudem die Implementierung von LLMOps-Pipelines ab, einschließlich Experiment-Tracking und der Verwendung von Modell-Registries zur Leistungsüberwachung.
Offers a comprehensive educational curriculum for building production-ready LLM and RAG systems.
Pythonawsbytewaxcomet-ml
