Складчина: RAG Engineer PRO [Stepik] [Алексей Малышкин]
Комплексная программа инженера RAG: от прототипа до продакшн-бота. Соберёте поиск «по смыслу», настроите индексацию/ретрив, сделаете API на FastAPI, добавите тесты и деплой. Подойдёт разработчикам и аналитикам, знакомым с основами Python.
Чему вы научитесь
- Проектировать архитектуру RAG-систем под задачу
- Готовить данные: разбиение на чанки, метаданные, нормализация
- Выбирать и настраивать векторные БД (FAISS/Weaviate/Qdrant)
- Строить пайплайн эмбеддингов и индексации
- Реализовывать retrieval, hybrid-search и reranking
- Создавать LangChain-цепочки, промпт-шаблоны и few-shot
- Организовывать structured output и базовую валидацию ответов
- Собирать REST API на FastAPI: эндпоинты, авторизация, логирование
- Автоматизировать работу в Bash и контролировать версионирование в Git
- Писать тесты, проводить A/B для промптов и метрик качества (Recall@K, latency)
- Оптимизировать стоимость и скорость (кэш, ограничения контекста)
- Готовить демо и портфолио-проект продакшн RAG-бота
О программе
RAG Engineer PRO — практическая программа из пяти курсов, которая доводит вас от прототипа до продакшн-бота с поиском «по смыслу».
Вы пройдёте полный цикл: подготовка данных и индексация во векторной БД → retrieval/hybrid-search и reranking → LangChain-цепочки со строгим JSON-выходом → REST-API на FastAPI → базовые тесты, логирование и чек-листы деплоя.
Внутри: LangChain, Vector DB & RAG Developer, FastAPI (нач.), Python для профессионалов, Bash Linux + Git.
По итогам соберёте портфолио-проект RAG-ассистента с документацией, метриками качества (Recall@K, latency) и готовыми шаблонами кода.
Что получите:
- понятную архитектуру RAG и типовые паттерны (chunking, метаданные, hybrid-search, rerank);
- практику с FAISS/Weaviate/Qdrant (на выбор) и LangChain;
- API-обёртку на FastAPI, авторизацию и стриминг ответов;
- основы эксплуатационных практик: логи, тесты, версия промптов, контроль стоимости и скорости.
Сылка на курс: