ML et IA générative dans le lac de données (French Edition)

Chapitre 8. GenAI dans un environnement Databricks Lakehouse

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

GenAI est en train de transformer la façon dont on interagit avec les données d'entreprise et l', et le Databricks Lakehouse offre une base idéale pour créer des systèmes génératifs de niveau production qui combinent des données structurées et non structurées sous une seule couche de gouvernance et de calcul. Dans ce chapitre, on explore comment exploiter ces capacités, en passant de la conception efficace de prompts à des pipelines complets de génération augmentée par la récupération (RAG), le tout s'exécutant en natif sur Databricks.

Nous commencerons par une discussion détaillée sur les prompts et l’ingénierie des prompts, en montrant comment de petits changements dans la formulation, la définition des rôles ou la mise en forme du contexte peuvent influencer considérablement le comportement du modèle. À l’aide du Databricks AI Playground, tu expérimenteras de manière interactive avec les prompts, les paramètres de température et les fenêtres de contexte pour développer une intuition sur la façon dont les LLMs réagissent sous différentes configurations. Cette section pose les bases des techniques plus avancées qui suivront.

À partir de là, on comble le fossé entre les embeddings bruts et un service de recherche sémantique entièrement géré. Tu chargeras et inspecteras les embeddings de ...