<h1>Gratulujeme! 🎉</h1> <p style="color:#637381;">Hotovo! Dokončili jste další milník.</p>

Chcete-li pokračovat, zadejte své údaje pro přihlášení.

Poslali jsme 6místný kód na #MAIL_ADDRESS#\nZkontrolujte prosím doručenou poštu nebo spam a zadejte níže kód pro pokračování.

Ověřovací kód odeslán

Děkujeme za platbu. Nyní můžete přistupovat k {collectionName} jednoduchým kliknutím na tlačítko níže.

Ano, úspěšně jste objednali! 🎉

Odemknout tento exkluzivní kurz

Zdá se, že vaše e-mailová adresa není momentálně na seznamu oprávněných přístupů. Ujistěte se prosím, že používáte e-mailovou adresu, která byla pozvána, nebo kontaktujte vlastníka obsahu pro pomoc.

Pro přístup je vyžadováno ověření

Production RAG v praxi

Výstup kurzu (co má student umět po dokončení) – cíle a měřitelné výsledky

Jak použít tento PDF zdroj v MCG – instrukce k práci s materiálem

Doporučené nastavení v MCG (pro tento kurz) – minimální konfigurace

Kontext a cílová skupina – pro koho je kurz a kdy jej použít

Definice úspěchu (Definition of Done) pro celý mini-kurz

Struktura mini-kurzu (outline pro MCG) – orientace v obsahu

Sekce 1: Ingest a příprava dat

Sekce 1: Ingest a příprava dat – principy a produkční praxe

Produkční checklist (minimum) – ingest, chunking, metadata

Časté chyby při ingestu a chunkingu

Sekce 2: Retrieval (vyhledávání)

Sekce 2: Retrieval (vyhledávání) – strategie BM25, vektor, hybrid

Rozhodovací pravidla (prakticky) – jak vybrat retrieval režim

Šablona retrieval API (read-only) – kontrakt a návratová struktura

retrieve_context(query, top_k, filters) -> list of chunks with citations – specifikace

návrat: [{text, doc_id, url, section, line_start, line_end, score}] – povinné položky citací

Hotovo když – kritéria kvality retrievalu

Sekce 3: Odpovědi s citacemi (anti-hallucination)

Sekce 3: Odpovědi s citacemi (anti-hallucination) – principy řízené generace

System prompt šablona (copy/paste) – kontrola citací a fallbacku

Formát odpovědi (doporučený) – strukturované citace a metadata

Sekce 4: Evaluace a observability

Sekce 4: Evaluace a observability – proč a jak měřit

Eval dataset (golden set) - minimum – jak ho vytvořit a udržovat

Metriky (krátce) – faithfulness, context precision/recall

Online signály (minimum) – co sledovat v produkci

Sekce 5: Bezpečnost a compliance pro RAG

Sekce 5: Bezpečnost a compliance pro RAG – hrozby a mitigace

Bezpečnostní baseline (must-have) – ochrany proti prompt injection

Adversarial test (mini red-team) – jak otestovat odolnost

Sekce 6: Mini-laby (praktické)

Sekce 6: Mini-laby (praktické) – přehled a cíle

Lab A: Ingest + chunking + metadata – vybudujte datovou základnu

Lab B: Retrieval baseline – BM25/vektor/hybrid

Lab C: Re-ranking + citace – zlepšení relevance

Lab D: Eval sada 20 dotazů – golden set

Lab E: Adversarial test proti injection – odolnost systému

Sekce 7: Knihovna skriptů (copy/paste)

Sekce 7: Knihovna skriptů (copy/paste) – orientace

1) JSON schema pro retrieval tool – referenční kontrakt

2) Audit log event (JSON) – co logovat v produkci

3) Troubleshooting šablona (copy/paste) – rychlé řešení problémů

Kvíz (8 okruhů) a anketa (4 okruhy)

Kvíz 1: Ingest, chunking a metadata – základy

Kvíz 2: Permission-aware retrieval a filtry

Kvíz 3: BM25 vs. vektor vs. hybrid

Kvíz 4: Re‑ranking a měření přínosu

Kvíz 5: Generace s citacemi a fallback „nevím“

Kvíz 6: Evaluace – faithfulness a context precision/recall

Kvíz 7: Observability a provozní signály

Kvíz 8: Bezpečnost – prompt injection a mitigace

Anketa 1: Sebehodnocení dovedností po kurzu

Anketa 2: Připravenost na produkční nasazení

Anketa 3: Plánované použití RAG ve vaší organizaci

Anketa 4: Zpětná vazba na kurz a navrhovaná zlepšení

Doporučené zdroje (oficiální dokumentace a praktické návody)

Doporučené zdroje – kam dál pro prohloubení praxe RAG

Naučte se postavit skutečně produkční RAG řešení od A do Z – od ingestu a robustního chunkingu přes permission‑aware retrieval (BM25, vektor i hybrid), re‑ranking a generování odpovědí pouze z ověřeného kontextu s povinnými citacemi, až po měření kvality, observability a bezpečnost proti prompt injection. Tento kurz je navržen pro týmy, které chtějí spolehlivě doručovat znalostní asistenty a support boty s auditovatelnými výstupy, nízkou latencí a udržitelnými náklady. V praxi si projdete návrh metadat (včetně ACL), kontrakt retrieval API, „golden set“ pro evaluaci (faithfulness, context precision/recall), online signály i provozní logování a tracing. Součástí jsou mini‑laby s jasnými kritérii „hotovo“, knihovna kopiovatelných šablon (JSON schema nástrojů, audit log eventy, troubleshooting) a bezpečnostní baseline proti injection a data exfiltration. Po dokončení budete mít běžící end‑to‑end pipeline včetně fallbacku „nevím“, re‑rankingu a měřitelných metrik připravených pro CI/CD a produkční provoz.

Produkční RAG end‑to‑end: ingest, retrieval, citace, evaluace a bezpečnost

<div class="simple-box-wrapper">
    <div class="simple-box">
        <div class="column">
            <p>Produkční RAG end‑to‑end posouvá práci s jazykovými modely od prototypů k robustním systémům, které jsou měřitelné, auditovatelné a bezpečné. Tento kurz vás provede celým řetězcem – od návrhu ingestu a chunkingu s důslednou prací s metadaty a ACL, přes konfiguraci retrievalu (BM25, vektor, hybrid) včetně re‑rankingu, až po řízenou generaci odpovědí pouze z poskytnutého kontextu s povinnými citacemi a spolehlivým fallbackem „nevím“. Důraz klademe na praktická rozhodovací pravidla, rozhraní retrievalu s jasným kontraktem a návratovou strukturou citací, i na provozní kvalitu: stabilní latenci, determinismus, verzování a konsistentní logování.</p>

<p>Obsah je strukturován do sekcí, které odrážejí reálný životní cyklus RAG řešení: Ingest a příprava dat (idempotence, detekce změn, validace metadat, testy chunků), Retrieval (volba indexu, hybridní fuse, permission‑aware filtry a heuristiky top‑k), Odpovědi s citacemi (anti‑hallucination systémový prompt, doporučený formát odpovědi), Evaluace a observability (faithfulness, context precision/recall, golden set 20–50 dotazů, online signály), a Bezpečnost a compliance (prompt injection ve zdrojích, mitigace, governance). Mini‑laby A–E umožní jednotlivé kroky vybudovat, změřit a zpevnit, zatímco knihovna skriptů nabídne copy/paste šablony pro schémata, audit logy a troubleshooting. Cílová skupina jsou vývojáři, tech leadři, produktoví lidé a konzultanti se základy JSON, API a Gitu; po dokončení budete mít běžící end‑to‑end pipeline s měřitelnými metrikami, citovatelnými výstupy a základními ochranami proti prompt injection – připravenou k nasazení v produkci.</p>

<p>Praktická část staví na jasné definici „Hotovo“: demonstrace retrievalu se stabilní latencí a relevantními, citovatelnými pasážemi, re‑rankingem pro zvýšení přesnosti, generací, která důsledně používá jen uvedený kontext, evaluací s opakovatelnými výsledky a minimální bezpečnostní baseline. V rámci MCG doporučujeme preferovat zobrazení JSON a klíčová slova pro vyhledávání (ingest, retrieval, re‑ranking, citace, eval, injection), aby bylo snadné orientovat se v materiálech podle element_id a projít obsahem postupně – od teorie přes laby po kvízy a krátké ankety pro sebehodnocení připravenosti na produkční nasazení.</p>
        </div>
    </div>
</div>
