🔊 Create your own LLM RAG application in just 3 days using this hands-on roadmap crafted from the best free resources!

Retrieval Augmented Generation (RAG) has emerged as a extremely popular application in the LLM space.

Its appeal lies in its lightweight design and the simplicity of integrating it with any foundational LLM.

💡 Use this 3-day guide to step into the evolving landscape of RAG and its latest developments! Spend 2-3 hours every day on the resources.

🥁 You’ll start with the basics, move to advanced ideas, build your app using LangChain and learn how to evaluate it. I’ve also added resources to catch up on the latest research in the space.

The roadmap with resources: https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/resources/RAG_roadmap.md

⛳ Day 1: Introduction to RAG

• 👉 What is Retrieval Augmented Generation?
• 👉 Key components of RAG: Ingestion, Retrieval, Synthesis
• 👉 RAG pipeline components: Chunking, Embedding, Indexing, Top-k Retrieval and Generation

⛳ Day 2: Advanced RAG + Build Your Own RAG System

• 👉 Optimizations for Advanced RAG: Self Querying Retrieval, Parent Document 👉 Retriever, Hybrid Search, Compressors, HyDE etc.
• 👉 Build your own RAG system with LangChain and OpenAI Resources for building advanced RAG applications

⛳Day 3: RAG Evaluation and Challenges

• 👉Commonly used evaluation metrics from TruEra and RAGas
• 👉RAG Pain Points and Solutions

🥁🥁The roadmap also includes: Optional Reading Resources & Top 2024 RAG research papers

Translate to Korean

---

RAG(Retrieval Augmented Generation)는 LLM 분야에서 매우 인기 있는 애플리케이션으로 부상했습니다.

이 게임의 매력은 경량 설계와 기본 LLM과 통합할 수 없다는 점에 있습니다.

💡 이 3일 가이드를 사용하여 RAG의 진화하는 환경과 최신 개발에 대해 알아보세요! 매일 2-3 시간을 자원에 투자하십시오.

🥁 기본 사항부터 시작하여 고급 아이디어로 이동하고, LangChain을 사용하여 앱을 빌드하고, 평가하는 방법을 배웁니다. 또한 이 분야의 최신 연구를 따라잡을 수 있는 리소스도 추가했습니다.

⛳ 1일차: RAG 소개

• 👉 검색 증강 생성이란 무엇입니까?
• 👉 RAG의 핵심 구성 요소: Ingestion, Retrieval, Synthesis
• 👉 RAG 파이프라인 구성 요소: 청크, 임베딩, 인덱싱, Top-k 검색 및 생성

⛳ 2일차: 고급 RAG + 나만의 RAG 시스템 구축하기

• 👉 고급 RAG 최적화: Self Querying Retrieval, Parent Document 👉 Retriever, Hybrid Search, Compressors, HyDE 등
• 👉 LangChain 및 OpenAI로 자체 RAG 시스템 구축 고급 RAG 응용 프로그램 구축을 위한 리소스

⛳3일차: RAG 평가 및 과제

• 👉TruEra 및 RAGas에서 일반적으로 사용되는 평가 지표
• 👉RAG의 문제점 및 해결 방법

🥁🥁로드맵에는 다음 내용도 포함되어 있습니다: Optional Reading Resources & Top 2024 RAG research papers