Vector DB & RAG Developer

Vector DB & RAG Developer — практический маршрут от «что такое эмбеддинги?» до production-чат-бота, отвечающего на вопросы из вашей корпоративной базы знаний.

За несколько недель вы:

развернёте Qdrant, Weaviate и FAISS локально и в Docker/Cloud;

создадите коллекции на миллионы векторов, подберёте правильный индекс (HNSW, IVF-PQ, ScaNN);

настроите гибридный поиск (BM25 + ANN) и мультимодальный поиск с CLIP;

подключите базу к LLM (OpenAI/GPT-4o, Mistral, Llama) и реализуете RAG-архитектуру;

измерите качество выдачи (Recall@K, nDCG) и построите автоматические тесты;

оформите CI/CD пайплайн: тесты → Docker → GitHub Actions → prod;

защитите проект от «векторного взрыва» (sharding, фильтры, дедупликация).

Итог — готовый репозиторий с API для семантического поиска и RAG-бот, которого можно деплоить на Render, Railway или собственный сервер.

Вы можете задать любой вопрос по курсу в телеграмм @alexey_latorn