Door categorieën bladeren
Nederlands
$
USD
Maak verbinding met je AI
Ik maak een rag chatbot of AI chatbot die is getraind op jouw documenten met AWS bedrock
Devendra V
Over deze dienst
Automatische vertaling
Ik bouw een RAG chatbot die antwoord geeft op basis van jouw documenten, haar bronnen toont en aangeeft wanneer ze het niet weet. Ik heb 4,75 jaar ervaring met het draaien van AWS in productie.
Algemene chatbots verzinnen dingen. Een RAG chatbot is een AI chatbot die getraind is op jouw data via retrieval, zodat elk antwoord gebaseerd blijft op jouw PDFs, documenten en kennisbank.
Wat je krijgt:
- PDF's, webpagina's, Notion, Google Drive of een database inladen
- Vector- of hybride search met reranking
- Modellen van OpenAI, Claude of Amazon Bedrock
- API, web chat of Slack en Teams bot
- Gepubliceerd op AWS met authenticatie en kostencontrole
Recent resultaat: een productie RAG chatbot op AWS Fargate en Aurora, waarbij ik de retrieval nauwkeurigheid heb verhoogd van 26/31 naar 31/31, voor minder dan 1 cent per vraag, met nachtelijke evaluaties.
Waarom ik:
- Top Rated op Upwork met meer dan 130 voltooide opdrachten
- HashiCorp Terraform Associate (003) gecertificeerd
- 4,75 jaar praktische AWS DevOps ervaring
Stuur me een bericht met je documenten en use case voordat je bestelt, zodat ik het juiste pakket kan bevestigen.
Maak kennis met Devendra V
Devendra V
AI and DevOps Engineer, RAG, LLM Apps, AWS
- Afkomstig uitIndia
- Lid sindsaug 2026
- Gem. reactietijd1 uur
Talen
Hindi, Engels, Gujarati
I build AI systems that run in production, not demos that break in week one. RAG pipelines over messy internal docs, LLM apps, and agents that do real work.
The difference is what sits underneath. 4.75 years on AWS, Terraform, Docker and CI/CD means I handle deployment, monitoring and cost control, not just the model call.
Recent work: a RAG backend serving live client queries, monitoring stacks for multi-tenant hosting, and a large AWS bill cut without downtime.
Tell me what you want to build and I will tell you straight whether it is a two day job or a two month one.
Automatische vertaling
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Welke vector database gebruik je?
pgvector op Postgres, OpenSearch, Pinecone, Qdrant of Chroma. Voor de meeste klanten houdt pgvector het simpel en goedkoop.
Blijft mijn data privé?
Ja. Het kan draaien in je eigen AWS-account, en met Bedrock blijven je data binnen AWS. Niets wordt gebruikt om publieke modellen te trainen.
Wat heb je van mij nodig om te beginnen?
Voorbeeld documenten of toegang tot waar ze opgeslagen zijn, een korte lijst met echte vragen die gebruikers stellen, en een AWS account of API-sleutel voor het model dat je verkiest. Ik stuur een checklist nadat je bestelt en ik heb nooit je AWS root wachtwoord nodig.
Hoe lang duurt het en hoeveel revisies zitten erbij?
Elk pakket vermeldt de levertijd en het aantal revisies. Grote documentsets of aangepaste integraties kunnen langer duren, dus ik bevestig de planning met jou voordat je bestelt.
Zijn AWS- en model API-kosten inbegrepen in de prijs?
Nee. AWS hosting en model API gebruik worden gefactureerd op jouw eigen accounts. Ik ontwerp voor lage kosten, en mijn eigen productie RAG chatbot beantwoordt vragen voor minder dan 1 cent per vraag.
