„Grundlagen von RAG verstehen“ ist ein Kurs für Fortgeschrittene, der sich an Entwickler und Datenwissenschaftler richtet, die leistungsfähigere und zuverlässigere KI-Anwendungen erstellen möchten. Große Sprachmodelle (LLMs) sind zwar revolutionär, doch oft fehlt ihnen spezifisches, aktuelles Wissen, und sie können falsche Antworten generieren. Dieser zweistündige Kurs bietet die grundlegende Lösung: Retrieval-Augmented Generation (RAG).

Sie sollten über Grundkenntnisse in Python, APIs und LLMs verfügen. Außerdem müssen Python und ein Code-Editor wie VS Code lokal auf Ihrem Rechner installiert sein. Dieser Kurs konzentriert sich auf die praktische Anwendung und führt Sie von der Theorie zur Umsetzung. Zunächst lernen Sie, die CORE-Komponenten einer RAG-Architektur (den Retriever, den Generator und die Vektordatenbank) grafisch darzustellen, um deren Datenfluss zu verstehen. Anschließend setzen Sie dieses Wissen in eine funktionierende Anwendung um. Im Rahmen eines praxisorientierten Projekts, das eine reale Arbeitsaufgabe widerspiegelt, erstellen Sie mit Python eine minimale RAG-Pipeline einschließlich eines lokalen Vektorspeichers, um ein LLM erfolgreich mit externen Fakten zu untermauern. Am Ende sind Sie in der Lage, intelligente Systeme zu entwickeln, die präzise, kontextbezogene Antworten liefern, die aus Ihren eigenen Daten abgeleitet werden.