Чему вы научитесь
- Пояснять, как работают эмбеддинги и к-NN-поиск
- Разворачивать Qdrant, Weaviate и FAISS локально и в Docker
- Загружать и хранить миллионы векторов, не теряя производительность
- Настраивать фильтрацию и гибридный поиск (BM25 + ANN)
- Реализовывать мультимодальный поиск (текст ↔ изображение) с CLIP
- Строить RAG-чат-ботов, дополняющих LLM свежими фактами из базы
- Метриками Recall@K и nDCG измерять качество выдачи
- Автоматизировать CI/CD пайплайн для поиска с GitHub Actions
- Оптимизировать индексы под CPU и GPU, выбирая HNSW, IVF или PQ
- Оценивать, когда выбрать облако (Pinecone, Qdrant Cloud) vs on-prem
О курсе
Vector DB & RAG Developer — практический маршрут от «что такое эмбеддинги?» до production-чат-бота, отвечающего на вопросы из вашей корпоративной базы знаний.
За несколько недель вы:
-
развернёте Qdrant, Weaviate и FAISS локально и в Docker/Cloud;
-
создадите коллекции на миллионы векторов, подберёте правильный индекс (HNSW, IVF-PQ, ScaNN);
-
настроите гибридный поиск (BM25 + ANN) и мультимодальный поиск с CLIP;
-
подключите базу к LLM (OpenAI/GPT-4o, Mistral, Llama) и реализуете RAG-архитектуру;
-
измерите качество выдачи (Recall@K, nDCG) и построите автоматические тесты;
-
оформите CI/CD пайплайн: тесты → Docker → GitHub Actions → prod;
-
защитите проект от «векторного взрыва» (sharding, фильтры, дедупликация).
Итог — готовый репозиторий с API для семантического поиска и RAG-бот, которого можно деплоить на Render, Railway или собственный сервер.
Вы можете задать любой вопрос по курсу в телеграмм @alexey_stepik
Для кого этот курс
Начальные требования
Запускать скрипт python main.py, ставить пакеты pip install …
Переходить между папками (cd), копировать-вставлять команды
Склонировать репозиторий git clone … — всё остальное покажем
Наши преподаватели
Как проходит обучение
-
Недельный ритм: теория → мини-квиз → практика.
-
Практические задания: автотесты; финальный pet-project.
-
Ревью: код проверяют наставники, дают фидбек в рецензиях.
-
Гибкие дедлайны: учитесь своим темпом, доступ к материалам — неограничен
Программа курса
Сертификат
Входит в 1 программу
Что вы получаете
- практические навыки работы с Qdrant, Weaviate и FAISS на реальных данных;
- готовый репозиторий с RAG-ботом и REST API, который можно показать работодателю;
- чек-листы и шпаргалки по настройке индексов, метрикам Recall@K / nDCG и деплой-pipelines;
- доступ к закрытому Telegram-чату и еженедельным лайв-Q&A;
- оперативную поддержку наставников в комментариях к шагам;
- сертификат о завершении курса;
- проект в портфолио и рекомендации, как рассказать о нём на собеседовании.