RAG와 Databricks 벡터 검색을 사용하여 LLM 챗봇 배포하기

이 제품 투어에서는 Databricks에서 작동하는 end-to-end RAG (Retrieval Augmented Generation) 시스템이 어떻게 작동하는지, 그리고 각 쿼리에 대해 가장 최신이고 관련 있는 정보를 동적으로 가져와 AI 애플리케이션의 정확성과 관련성을 향상시키는 방법을 확인할 수 있습니다.  복잡한 데이터 상호 작용을 단순화하는 직관적인 사용자 경험을 제공하여 RAG를 워크플로우에 원활하게 통합하는 방법을 확인해 보세요. 이를 통해 팀이 데이터 관리보다는 전략적인 작업에 집중할 수 있습니다. 이 투어에서는 다음에 대해 배우게 됩니다:

• 비구조화된 데이터(PDF)를 수집하고 델타 테이블에 저장하기 위한 워크플로우 설정
• 임베딩 모델을 사용하여 텍스트 데이터를 벡터로 변환하고 벡터 데이터베이스에 저장하기
• 임베딩 모델, 기본 언어 모델, 심지어 langchain 체인까지 제공합니다!
• LLM을 데이터와 함께 연결하여 모델의 응답을 향상시키기  

자신의 작업 공간에서 이를 시도해 보고 싶다면, 제품 튜토리얼을 확인해 보세요.