У вас куча неструктурированных данных и вы хотите "отдать" их ИИ
Есть корпоративная база знаний, документация проектов, документация системы, система Электронного документооборота. Хочется сделать агента который умеет работать со всеми этими "знаниями".
Ваши ИИ агенты работают, но очень медленно и неэффективно
Вы прошли курс по разработке ИИ агентов, сделали несколько, и теперь столкнулись с проблемами производительности или качества поиска на больших объёмах информации
Хотите внедрить ИИ в процессы вашей компании
RAG - основное, что нужно для разработки эффективных корпоративных ИИ агентов. Подключение корпоративных знаний к современному ИИ открывает практически неограниченные возможности
На курсе рассматриваем:
RAG (включая GraphRAG, CRAG, RAPTOR и другие)
Векторные БД (Qdrant, Milvus, pgVector, ChromaDB)
NoSQL БД (Elastic, Neo4j)
Embedding-и, Chunk-и, Reranking
vLLM (vLLM, Кластеризация, оборудование)
Программа курса:
Введение в RAG
Embedding-и
Векторные БД
Прочие БД, полезные для RAG. Стратегии Hybrid Search.
Chunking, Reranking
Современные типы RAG
Локальные LLM
Особенности проектирования RAG в экосистеме 1С
Особенности курса:
Практические знания
Всё что нужно для того чтобы построить Production систему ИИ агентов в компании любого размера
Современные технологии
Мир меняется, на момент выхода (февраль 2026) все технологии которые рассмотрены в курсе являются самыми основными и трендовыми для решения задач внедрения ИИ в корпоративной среде
Самые необходимые темы
Рассмотрено только то, что реально нужно Российскому бизнесу. Будут рассмотрены все темы, необходимые для решения практических задач (включая, к примеру, локальные модели).
Ориентировано на экосистему 1С
По итогу курса вы научитесь создавать RAG системы для использования с современным ИИ в компаниях любого масштаба, включая использование знаний из 1С