Retrieval-Augmented Generation (RAG)

Scarica catalogo completo

Introduzione alla Retrieval-Augmented Generation (RAG)

• Che cos’è la RAG, come funziona e perché è importante
• Differenza tra RAG e modelli generativi tradizionali
• Applicazioni di RAG nelle aziende: dal servizio clienti alla gestione delle conoscenze

Architettura di un Modello RAG

• Combinare il retrieval con la generazione
• Panoramica del sistema di retrieval: documenti, knowledge base, database interni
• Modelli di linguaggio per la generazione: integrazione con LLM (Large Language Models)

Costruzione di una Knowledge Base Ottimizzata per la RAG 

• Creazione e manutenzione di una knowledge base aziendale
• Ottimizzazione del retrieval con tecniche di indicizzazione avanzate
• Uso di embeddings e metodi di ricerca semantica

Addestramento e Fine-tuning di Modelli RAG

• Dataset per il training del componente di retrieval
• Come addestrare e fine-tunare modelli RAG con dati aziendali
• Integrazione con strumenti esistenti

Implementazioni di RAG in Azienda

• Utilizzo di RAG per rispondere a query complesse
• RAG per il customer service: creare assistenti più intelligenti
• RAG per la ricerca di informazioni aziendali interne

Dimostrazioni Pratiche di RAG

• Configurazione e sviluppo di un modello RAG da zero
• Esempio di costruzione di una pipeline RAG
• Test e validazione del sistema RAG con casi reali
• Deploying e ottimizzazione di un sistema RAG in azienda

Esempi Pratici e Case Study di RAG nel Business

• Studi di casi reali: aziende che hanno adottato il RAG
• Esercitazioni pratiche: costruire un sistema RAG con dati aziendali