РОЗРОБКА RAG-АГЕНТІВ
Створіть автономних RAG-агентів, підключивши до LLM власні дані, інструменти й логіку ухвалення рішень.
ЛЕКТОРКА:
ГАННА ЯСТРЕБОВА
Senior AI/ML Engineer у NEWWORK Software Inc.
КУРС ДЛЯ ВАС, ЯКЩО ВИ:
-
ПРАЦЮЄТЕ В BACKEND / ПРОДУКТОВІЙ РОЗРОБЦІ
Розберетеся, як будувати AI-інфраструктуру для реальних задач: сапорту, інвестигейшнів, автоматизації та knowledge-based chatbot-рішень.
-
БАЧИТЕ, ЩО PROMPT ENGINEERING НЕ ДАЄ ПОТРІБНОГО РЕЗУЛЬТАТУ
Зрозумієте, як зменшувати галюцинації та будувати більш стабільні рішення через RAG, retrieval, tools і контрольований workflow.
-
ПРАЦЮЄТЕ З ML / DATA І ХОЧЕТЕ ПІДКЛЮЧИТИ ВЛАСНІ ДАНІ ДО LLM
Зрозумієте, як будувати RAG-системи: від embeddings і retrieval до генерації відповідей, які враховують ваш контекст, а не лише знання моделі.
-
БУДУЄТЕ AI-РІШЕННЯ І ХОЧЕТЕ ДОВЕСТИ ЇХ ДО ПРОДАКШНУ
Навчитеся проєктувати RAG-інфраструктуру: ingestion, індексація, retrieval і evaluation — щоб система була стабільною, керованою і масштабованою.
Для навчання на курсі
з розробки RAG-агентів потрібно:
-
впевнені знання Python і побудови API
-
мінімальний досвід з prompt engineering
ЛЕКТОРКА
ГАННА ЯСТРЕБОВА
Senior AI/ML Engineer у NEWWORK Software Inc.
20+ років в AI, Data Science і математичному моделюванні
-
PhD у сфері математичних моделей та інформаційних технологій в економічних системах
-
Має реальний досвід побудови production-grade LLM, RAG і multi-agent систем
-
Проєктує end-to-end AI-рішення: дані, retrieval, orchestration, evaluation і safety
-
Працює з B2B SaaS і складними document intelligence системами, консультує бізнеси та будує AI-напрями
ПРО КУРС:
На курсі ви навчитеся будувати RAG-системи та knowledge-based чат-боти на власних даних із контрольованою логікою відповіді. Зрозумієте обмеження prompt-only підходу та опaнуєте ключові компоненти: підготовку даних, embeddings, retrieval і agentic flow.
У результаті зможете працювати з документами та масштабувати рішення до production-ready рівня.
-
будуєте пошук і оптимізуєте його через filtering і reranking
-
зменшуєте галюцинації та керуєте якістю через evaluation і guardrails
-
проєктуєте agentic flow і підключаєте зовнішні tools та API
- Зареєструватися
ПРОГРАМА КУРСУ РОЗРОБКА RAG-АГЕНТІВ
-
01 заняттяСТАРТ 3 липня
ВСТУП ДО LLM ТА ОБМЕЖЕНЬ PROMPT-ONLY
- Розумітимете, як працюють сучасні LLM, знатимете, що таке токени, контекст і prompt
- Зможете відрізняти памʼять моделі від прикладної памʼяті
- Розберетеся в обмеженнях prompt-only підходу
- Дізнаєтеся, коли потрібен RAG, а не лише prompt engineering
-
02 заняття
ОСНОВИ RAG-АРХІТЕКТУРИ
- Розумітимете структуру RAG-системи та її ключові компоненти
- Зможете пояснити, як працює retrieval pipeline
- Знатимете роль embeddings та vector storage
-
03 заняття
ПІДГОТОВКА ДАНИХ ДЛЯ RAG
- Навчитеся готувати тексти й документи для індексації
- Зможете застосовувати chunking, overlap і metadata й сформуєте knowledge base
- Розумітимете, як якість даних впливає на retrieval
-
04 заняття
EMBEDDINGS І VECTOR SEARCH
- Розумітимете, як працюють embeddings і semantic search
- Зможете працювати з vector DB (FAISS, Chroma, Qdrant, pgvector)
- Відрізнятимете keyword, semantic і hybrid search
- Зможете обирати retrieval strategy під задачу
-
05 заняття
ОПТИМІЗАЦІЯ RETRIEVAL
- Навчитеся покращувати якість пошуку
- Зможете застосовувати reranking, query rewriting та filtering і знаходити вузькі місця в системі
- Розумітимете причини retrieval failures
-
06 заняття
PROMPT ENGINEERING І CONTEXT MANAGEMENT
- Навчитеся будувати промпти для RAG та агентів
- Зможете керувати контекстом, уникати шуму та покращувати якість відповіді через prompt design
- Опануєте grounded prompting
-
07 заняття
ВСТУП ДО AI-АГЕНТІВ
- Розумітимете, що таке AI-агент і як він відрізняється від RAG
- Знатимете типи agent architectures і зможете обирати структуру під задачу
- Опануєте базові концепції tool calling та orchestration
-
08 заняття
ІНТЕГРАЦІЯ TOOLS І ДЖЕРЕЛ ДАНИХ
- Навчитеся підключати API, бази даних і файли
- Зможете працювати з SQL/NoSQL в AI-системах
- Розумітимете роль MCP та integration layer
-
09 заняття
AGENT WORKFLOWS ТА ORCHESTRATION
- Розумітимете, як працює agent loop
- Опануєте state, memory та handoffs
- Зможете будувати багатокрокові сценарії та керувати логікою виконання
-
10 заняття
FRAMEWORKS ДЛЯ RAG та AGENTIC-СИСТЕМ
- Розумітимете різницю між LangChain, LangGraph, CrewAI, smolagents
- Зможете обирати framework під задачу
- Оцінюватимете компроміси між контролем і швидкістю розробки
- Зможете ухвалювати production-minded рішення
-
11 заняття
VENDOR APPROACHES В AGENTIC AI
- Розберетеся з підходами OpenAI, Microsoft, Google, Anthropic та зможете обирати стек під конкретний кейс
- Оцінюватимете vendor ecosystems і будуватимете архітектуру під продукт
-
12 заняття
БЕЗПЕКА ТА GUARDRAILS
- Розумітимете ризики RAG та agentic-систем
- Знатимете, що таке prompt injection і filtering
- Навчитеся захищати AI-системи та застосовувати guardrails
-
13 заняття
EVALUATION ТА OBSERVABILITY
- Навчитесь оцінювати якість AI-систем
- Орієнтуватиметеся в метриках: accuracy, groundedness, latency
- Зможете будувати evaluation pipeline
- Опануєте підходи до observability
-
14 заняття
БІЗНЕС-КЕЙСИ ТА АРХІТЕКТУРА
- Розберете реальні use cases AI-рішень
- Зможете адаптувати архітектуру під власні бізнес-задачі
- Оберете власний проєкт і структуру рішення
- Підготуєте систему до запуску
-
15 заняття
ЗАХИСТ КУРСОВИХ ПРОЄКТІВ
- Презентуєте фінальний проєкт
- Поставите запитання колегам
- Отримаєте фідбек від лектора
реєстрація
Приєднуйтеся до навчання, щоб розробляти рішення, які працюють на власних даних і дають контрольовані відповіді.