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:

1. LangChain,
2. Vector DB & RAG Developer,
3. FastAPI (нач.),
4. Python для профессионалов,
5. 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.