
Robot
Складчик
- #1
[Udemy] Spring AI Pro или про весну искусственного интеллекта глубже [Евгений Борисов]
- Ссылка на картинку
Troubleshooting, логирование, кастомные, ретриверы, реранкеры эдвайзеры и прочие улучшайзеры
Полностью на русском языке
Этот курс посвящён тем аспектам Spring AI, которые становятся особенно важны после базовой интеграции: логирование, отладка, настройка поведения модели и кастомизация компонентов RAG. Мы займёмся debug’ом и troubleshooting’ом уже работающего приложения, научимся заглядывать под капот Spring AI и использовать его расширяемость для более точного контроля над процессом взаимодействия с LLM.
Фокус курса — на контроле, предсказуемости и возможности пошагового улучшения поведения системы.
Для кого курс:
Этот курс предназначен для бэкенд-разработчиков на Java, которые уже знакомы с основами Spring AI и хотят углубиться в настройку поведения этой технологии. Идеален для инженеров, стремящихся разрабатывать продвинутые потоки ИИ с кастомными советниками, цепочками запросов, внедрением метаданных, расширением запросов и переоценкой результатов — создавая более умные и управляемые микросервисы на базе LLM.
Содержание курса:
11 лекций • Общая продолжительность 4 ч 11 мин
Полностью на русском языке
Этот курс посвящён тем аспектам Spring AI, которые становятся особенно важны после базовой интеграции: логирование, отладка, настройка поведения модели и кастомизация компонентов RAG. Мы займёмся debug’ом и troubleshooting’ом уже работающего приложения, научимся заглядывать под капот Spring AI и использовать его расширяемость для более точного контроля над процессом взаимодействия с LLM.
Фокус курса — на контроле, предсказуемости и возможности пошагового улучшения поведения системы.
Для кого курс:
Этот курс предназначен для бэкенд-разработчиков на Java, которые уже знакомы с основами Spring AI и хотят углубиться в настройку поведения этой технологии. Идеален для инженеров, стремящихся разрабатывать продвинутые потоки ИИ с кастомными советниками, цепочками запросов, внедрением метаданных, расширением запросов и переоценкой результатов — создавая более умные и управляемые микросервисы на базе LLM.
Содержание курса:
11 лекций • Общая продолжительность 4 ч 11 мин
- Introduction
- Troubleshooting - Log & Fix
- Настройки модели и рагу из Рага
- Debug and Analyze
- От пользователя к модели - как работает ChatClientRequest
- Настраиваем свой первый Advisor
- Пишем логику первого Advisor-a - запускаем, проверяем
- Пишем свой RAG Advisor
- Системный промпт и ExpensionQuery
- Что попадает в модель - исследуем документы в контексте
- Как выбрать самые важные чанки - пишем свой Reranker и весь финальный код
Показать больше
Зарегистрируйтесь
, чтобы посмотреть скрытый контент.