Stepik / Алексей Малышкин - RAG Engineer PRO

Слив курса RAG Engineer PRO [Stepik] [Алексей Малышкин]

Комплексная программа инженера RAG: от прототипа до продакшн-бота. Соберёте поиск «по смыслу», настроите индексацию/ретрив, сделаете API на FastAPI,

добавите тесты и деплой. Подойдёт разработчикам и аналитикам, знакомым с основами Python.

Чему вы научитесь:

Проектировать архитектуру RAG-систем под задачу

Готовить данные: разбиение на чанки, метаданные, нормализация

Выбирать и настраивать векторные БД (FAISS/Weaviate/Qdrant)

Строить пайплайн эмбеддингов и индексации

Реализовывать retrieval, hybrid-search и reranking

Создавать LangChain-цепочки, промпт-шаблоны и few-shot

Организовывать structured output и базовую валидацию ответов

Собирать REST API на FastAPI: эндпоинты, авторизация, логирование

Автоматизировать работу в Bash и контролировать версионирование в Git

Писать тесты, проводить A/B для промптов и метрик качества (Recall@K, latency)

Оптимизировать стоимость и скорость (кэш, ограничения контекста)

Готовить демо и портфолио-проект продакшн RAG-бота

О программе:

RAG Engineer PRO — практическая программа из пяти курсов, которая доводит вас от прототипа до продакшн-бота с поиском «по смыслу».

Вы пройдёте полный цикл:

подготовка данных и индексация во векторной БД → retrieval/hybrid-search и reranking → LangChain-цепочки со строгим JSON-выходом → REST-API на FastAPI → базовые тесты, логирование и чек-листы деплоя.

Состав:

LangChain,

Vector DB & RAG Developer,

FastAPI (нач.),

Python для профессионалов,

Bash Linux + Git.

По итогам соберёте портфолио-проект RAG-ассистента с документацией, метриками качества (Recall@K, latency) и готовыми шаблонами кода.

Что получите:

понятную архитектуру RAG и типовые паттерны (chunking, метаданные, hybrid-search, rerank);

практику с FAISS/Weaviate/Qdrant (на выбор) и LangChain;

API-обёртку на FastAPI, авторизацию и стриминг ответов;

основы эксплуатационных практик: логи, тесты, версия промптов, контроль стоимости и скорости.