Pragmatic AI Labs

RAG à partir de zéro

Profitez de l'une de nos meilleures offres et renforcez vos compétences avec 50 % de réduction sur Coursera Plus. Économisez maintenant.

Pragmatic AI Labs

RAG à partir de zéro

Noah Gift

Instructeur : Noah Gift

Inclus avec Coursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire

Expérience recommandée

7 heures à compléter
Planning flexible
Apprenez à votre propre rythme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire

Expérience recommandée

7 heures à compléter
Planning flexible
Apprenez à votre propre rythme

Ce que vous apprendrez

  • Appliquer le pipeline RAG en cinq étapes (encodage, découpage en blocs, indexation, fusion, récupération) à l'aide de la bibliothèque « aprender-rag » sur un corpus réel

  • Analyse du chevauchement par découpage récursif et du paramètre k de fusion des rangs réciproques pour le compromis entre le rappel et le bruit

  • Évaluer les indicateurs d'enrichissement des requêtes pmat (--churn, --duplicates, --entropy, --faults, -G) pour classer les résultats de recherche de code source en fonction de l'intention

Compétences que vous acquerrez

  • Catégorie : Pipelines de données
  • Catégorie : Génération assistée par récupération
  • Catégorie : Modélisation des grandes langues
  • Catégorie : Couverture du code
  • Catégorie : Apprentissage automatique appliqué
  • Catégorie : Génie logiciel
  • Catégorie : Développement du programme
  • Catégorie : Traitement du langage naturel
  • Catégorie : Emboîtements

Outils que vous découvrirez

  • Catégorie : Langages de requête
  • Catégorie : GitHub
  • Catégorie : IA générative
  • Catégorie : Bases de données vectorielles
  • Catégorie : Rust (langage de programmation)
  • Catégorie : grep

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Récemment mis à jour !

mai 2026

Évaluations

2 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

 logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation "Rust pour l'ingénierie des données"
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable

Il y a 3 modules dans ce cours

Construisez un pipeline RAG complet en cinq étapes (encodage → découpage → indexation → fusion → récupération) entièrement en Rust avec aprender-rag. Vous configurerez RecursiveChunker(512, 50) pour un chevauchement de 50 caractères permettant de corriger les discontinuités des requêtes, MockEmbedder(384) pour des plongements déterministes de qualité « teaching » (sans GPU, sans téléchargement de modèle, sans réseau), et FusionStrategy::Rrf { k: 60 } pour une fusion de rangs réciproque qui améliore le rappel de la longue traîne sans poids appris. La démo finale exécute aprender_film_search sur un ensemble de données Sakila de 50 lignes consacré au cinéma et génère un JSON des 5 premiers résultats avec quatre contrats d’assertion ! d’exécution qui se déclenchent en cas d’écart.

Inclus

5 vidéos4 lectures1 devoir1 laboratoire non noté

Appliquez le même pipeline RAG en cinq étapes au code source plutôt qu’au texte. L’outil de requête pmat indexe un espace de travail où les segments sont des fonctions, puis y superpose un enrichissement de niveau production : modes de recherche (--literal pour une correspondance exacte de type ripgrep, --regex pour les motifs, mode sémantique par défaut), des indicateurs d’enrichissement (--churn pour la volatilité Git sur 90 jours, --duplicates pour la détection de clones via MinHash+LSH, --entropy pour la diversité, --faults pour les annotations Batuta « unwrap », « panic » et « unsafe », -G pour la fusion RRF avec l’historique Git), ainsi que le mode --coverage-gaps qui classe chaque fonction en fonction du nombre de lignes non couvertes, afin que vous puissiez écrire en priorité des tests pour les lacunes présentant le plus grand impact.

Inclus

5 vidéos2 lectures

Réalisez un projet de fin d'études sur RAG

Inclus

3 lectures1 devoir

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Instructeur

Noah Gift
Pragmatic AI Labs
61 Cours6 805 apprenants

Offert par

Pragmatic AI Labs

En savoir plus sur Développement de logiciels

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Foire Aux Questions