Задачи курса «Vector DB & RAG Developer»

Выберите задачу и проверьте решение прямо на странице. Регистрация не нужна.

• Косинусное сходство или евклидово расстояние: тест

  Проверьте, что меняется при сравнении текстовых эмбеддингов: направление вектора, его длина и выбор метрики.

• Word2Vec и BERT: чем отличаются представления слова

  Один вектор на слово или представление с учётом контекста: проверяем ключевое различие Word2Vec и BERT.

• embedquery и embeddocuments: в чём разница

  Разберите раздельное кодирование запроса и документов в семантическом поиске. Задача RAG с проверкой ответа.

• normalizeembeddings: косинусное сходство и dot product

  Определите, как нормализация эмбеддингов упрощает вычисление близости. Бесплатная задача по векторному поиску.

• FAISS IndexIVFPQ: зачем кодировать остаточные векторы

  Проверьте понимание residuals в IVF и Product Quantization. Бесплатная задача по индексам векторного поиска.

• FAISS normalizeL2: что означает изменение массива in-place

  Разберите нормализацию векторов FAISS и изменение исходного массива. Практический вопрос с проверкой ответа.

• LangChain FAISS: фильтр метаданных в similaritysearch

  Разберите фильтрацию найденных документов по метаданным и влияние числа кандидатов. Задача RAG с проверкой.

• Parent-child chunking в RAG: маленькие и большие чанки

  Зачем искать по маленьким фрагментам, а модели отдавать больший контекст? Задача RAG с проверкой ответа.