Cantitate/Preț
Produs
Total produse
Vezi coșul
A Simple Guide to Retrieval Augmented Generation de Abhinav Kimoth

A Simple Guide to Retrieval Augmented Generation

Autor Abhinav Kimoth
en Limba Engleză Paperback – 25 iul 2025

Ceea ce diferențiază A Simple Guide to Retrieval Augmented Generation de documentația tehnică standard sau de tutorialele fragmentate de pe internet este rigoarea structurii și orientarea imediată către implementare. În timp ce documentația oficială a diverselor biblioteci se concentrează pe sintaxă, Abhinav Kimothi construiește o punte între teoria modelelor de limbaj mari (LLM) și nevoia critică a companiilor de a interoga date proprii, evitând halucinațiile specifice modelelor standard. Apreciem în mod deosebit progresia logică a materialului. Observăm că autorul nu se limitează la prezentarea conceptului de RAG (Retrieval Augmented Generation), ci ghidează cititorul prin arhitecturi complexe: de la pipeline-ul de indexare pentru crearea bazelor de cunoștințe, până la faza de generare contextuală. Pe linia practică a volumului Building Applications with Large Language Models, dar cu un focus specific și aprofundat pe tehnologiile de recuperare a datelor, această lucrare devine un manual de referință pentru dezvoltarea sistemelor RAG moderne. Merită menționat că textul acoperă și aspectele de RAGOps, esențiale pentru menținerea performanței în producție, și explorează variante avansate, precum RAG-ul multimodal care procesează imagini și foi de calcul. Stilul este tehnic și pragmatic, bazat pe exemple Python clare, facilitând utilizarea unor instrumente precum LangChain. Abordarea este una modulară, permițând inginerilor să înțeleagă nu doar cum să construiască un sistem, ci și cum să îl evalueze din punctul de vedere al acurateței și relevanței, elemente vitale într-un mediu de business.

Citește tot Restrânge

Preț: 26510 lei

Preț vechi: 33138 lei
-20%

Puncte Express: 398

Carte disponibilă

Livrare economică 26 iunie-10 iulie

Livrare prin curier în România Termenul estimat este afișat lângă disponibilitate.
Transport gratuit de la 40000 lei Plată online sau ramburs, în funcție de opțiunile comenzii.
Retur gratuit în 14 zile Comandă securizată și suport în română.
 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9781633435858
ISBN-10: 1633435857
Pagini: 256
Dimensiuni: 185 x 231 x 19 mm
Greutate: 0.35 kg
Editura: Manning Publications

De ce să citești această carte

Recomandăm această carte inginerilor de date și managerilor tehnici care doresc să depășească limitările modelelor AI standard prin integrarea datelor proprii. Veți câștiga o înțelegere clară a întregului flux RAG, de la baze de date vectoriale la agenți inteligenți, totul susținut de cod Python practic. Este resursa ideală pentru a transforma un LLM generic într-un instrument specializat pe nevoile specifice ale afacerii dumneavoastră.

Descriere

Everything you need to know about Retrieval Augmented Generation in one human-friendly guide. Augmented Generation—or RAG—enhances an LLM’s available data by adding context from an external knowledge base, so it can answer accurately about proprietary content, recent information, and even live conversations. RAG is powerful, and with A Simple Guide to Retrieval Augmented Generation, it’s also easy to understand and implement! In A Simple Guide to Retrieval Augmented Generation you’ll learn: • The components of a RAG system • How to create a RAG knowledge base • The indexing and generation pipeline • Evaluating a RAG system • Advanced RAG strategies • RAG tools, technologies, and frameworks A Simple Guide to Retrieval Augmented Generation gives an easy, yet comprehensive, introduction to RAG for AI beginners. You’ll go from basic RAG that uses indexing and generation pipelines, to modular RAG and multimodal data from images, spreadsheets, and more. About the Technology If you want to use a large language model to answer questions about your specific business, you’re out of luck. The LLM probably knows nothing about it and may even make up a response. Retrieval Augmented Generation is an approach that solves this class of problems. The model first retrieves the most relevant pieces of information from your knowledge stores (search index, vector database, or a set of documents) and then generates its answer using the user’s prompt and the retrieved material as context. This avoids hallucination and lets you decide what it says. About the Book A Simple Guide to Retrieval Augmented Generation is a plain-English guide to RAG. The book is easy to follow and packed with realistic Python code examples. It takes you concept-by-concept from your first steps with RAG to advanced approaches, exploring how tools like LangChain and Python libraries make RAG easy. And to make sure you really understand how RAG works, you’ll build a complete system yourself—even if you’re new to AI! What’s Inside • RAG components and applications • Evaluating RAG systems • Tools and frameworks for implementing RAG About the Readers For data scientists, engineers, and technology managers—no prior LLM experience required. Examples use simple, well-annotated Python code. About the Author Abhinav Kimothi is a seasoned data and AI professional. He has spent over 15 years in consulting and leadership roles in data science, machine learning and AI, and currently works as a Director of Data Science at Sigmoid. Table of Contents Part 1 1 LLMs and the need for RAG 2 RAG systems and their design Part 2 3 Indexing pipeline: Creating a knowledge base for RAG 4 Generation pipeline: Generating contextual LLM responses 5 RAG evaluation: Accuracy, relevance, and faithfulness Part 3 6 Progression of RAG systems: Naïve, advanced, and modular RAG 7 Evolving RAGOps stack Part 4 8 Graph, multimodal, agentic, and other RAG variants 9 RAG development framework and further exploration Get a free eBook (PDF or ePub) from Manning as well as access to the online liveBook format (and its AI assistant that will answer your questions in any language) when you purchase the print book.