BigQuery로 임베딩, 벡터 검색, RAG 만들기
BigQuery로 임베딩, 벡터 검색, RAG 만들기
These skills were generated by AI. Do you agree this course teaches these skills?
이 과정에서는 AI 할루시네이션을 완화하는 BigQuery의 검색 증강 생성(RAG) 솔루션을 살펴봅니다. 임베딩 만들기, 벡터 공간 검색, 개선된 응답 생성을 포함한 RAG 워크플로를 소개합니다. 또한 이 과정은 이러한 단계의 배경이 되는 개념을 설명하고 BigQuery를 통한 실질적인 구현 과정을 살펴봅니다. 이 과정을 마친 학습자는 BigQuery와 Gemini 및 임베딩 모델 같은 생성형 AI 모델을 사용하여 자신의 AI 할루시네이션 사용 사례를 해결하는 RAG 파이프라인을 빌드할 수 있게 됩니다.
과정 정보
목표
- BigQuery에서 임베딩 모델을 사용해 임베딩을 생성합니다.
- BigQuery에서 벡터 검색을 수행하고 프로세스를 이해합니다.
- BigQuery로 검색 증강 생성(RAG) 파이프라인을 만듭니다.
기본 요건
SQL 또는 Python과 같은 프로그래밍 언어를 다루어 본 경험
ML 및 생성형 AI에 관한 기본 지식
대상
데이터 과학자, 데이터 분석가, AI 개발자
사용할 수 있는 언어
English, Deutsch, español (Latinoamérica), français, bahasa Indonesia, 日本語, 한국어, português (Brasil), 简体中文, 繁體中文
과정을 완료한 후에는 어떻게 해야 하나요?
과정을 완료한 후 학습 과정 에서 다른 콘텐츠를 살펴보거나 학습 카탈로그 를 둘러보면 됩니다.
어떤 배지를 획득할 수 있나요?
과정을 완료하면 이수 배지가 주어집니다. 배지는 프로필에 표시되며 사회 연결망에서 공유할 수 있습니다.
Google의 주문형 파트너에서 제공하는 과정에 관심이 있으신가요?
Coursera 및 Pluralsight 에서 Google Cloud 콘텐츠를 살펴보세요.
강사 주도 강좌를 선호하시나요?