Как работают доменно-ориентированные чат-боты // Курс «Natural Language Processing (NLP)»

Обсудим как добавлять собственную базу знаний к большой языковой модели, Обсудим подход Retrieval Augmented Generation (RAG). Рассмотрим варианты поиска по базе знаний, векторизацию текстов. Задачу ранжирования результатов. Обсудим задачу и подходы к векторному поиску по базе знаний. Рассмотрим примеры промптов для ChatGPT в задаче RAG. Кому подходит этот урок: IT-специалистам, которые хотят внедрить ChatGPT в бизнес-процессы Тем кто хочет познакомиться с доменной адаптацией ИИ агентов. Продуктологам и менеджерам, кто хочет понять, как можно адаптировать Искусственный Интеллект в виде больших языковых моделей к собственным задачам Результаты урока: Вы узнаете как работать с API ChatGPT, векторизовать тексты, решать задачу векторного поиска, составлять промпт для RAG генерации. «Natural Language Processing (NLP)» - https://otus.pw/ndeO/ Преподаватель: Александр Брут-Бруляко - занимается исследованиями с фокусом на персонализацию коммуникаций в СБЕР Neurolab, спектр задач широк - и классические задачи ML, и NLP, и CV, и написание парсеров, и написание поддерживающей ИТ инфраструктуры Презентация с ссылками: https://docs.google.com/presentation/... Пройдите опрос по итогам мероприятия - https://otus.pw/aEwWz/ Следите за новостями проекта: Telegram: https://t.me/Otusjava ВКонтакте: https://otus.pw/850t LinkedIn: https://otus.pw/yQwQ/ Хабр: https://otus.pw/S0nM/