реализация гибридного поиска на примере rag

Пришлем запись эфира, если не успеешь online
Как объединить BM25 и vector search, настроить reranking и оценить качество поисковой выдачи. На примере построения RAG-системы

28 октября в 19:00, СР

Нужно знать любой backend-язык программирования, базы данных и System Design на базовом уровне
Middle+
Senior
Staff
TechLead
Подойдет backend-разработчикам, инженерам и архитекторам
Что будет на уроке
/1
Устройство retrieval в RAG-системах и объединение BM25 и vector search в единую выдачу
/2
Как работать с разными score и выбирать подход к их объединению
/3
Зачем нужен reranking и на каком этапе его применять
/4
Как оценивать влияние гибридного поиска на результаты выдачи
TradingView
Senior Backend Engineer, AI Assistant & Support
Magnit OMNI
ex-Senior, проектировал ML-платформу персонализации и рекламного ранжирования для маркетплейса
ВКонтакте
ex-Senior, разрабатывал биллинговую и wallet-инфраструктуру рекламного маркетплейса
ViTech
ex-Senior, оптимизировал поисковую инфраструктуру маркетплейса на базе Elasticsearch

рассказывает Степан Ляхов

7 лет
промышленного опыта разработки
5k RPS
max нагрузка поисковой системы
200ms
на 33% оптимизировал нагрузку поиска ViTech
6 → 2 часа
на 66% ускорил индексацию в ViTech
28 октября в 19:00, ср

Заполни форму, чтобы послушать online или получить запись