Česká edice
Embeddingy, RAG a sémantické vyhledávání
Tento kurz pokrývá embeddingy od OpenAI, vektorové databáze, sémantické vyhledávání, kompletní pipeline RAG a produkční aplikace.
22 lekcí cca 2 h 15 min Vývojář
Co se naučíte
- Generovat embeddingy a měřit sémantickou blízkost mezi texty pomocí kosinové podobnosti
- Indexovat korpus ve vektorové databázi a nastavit hybridní sémantické a lexikální vyhledávání
- Vytvořit kompletní pipeline RAG: chunking, retrieval, reranking a následně generování
- Vyhodnotit relevanci pipeline RAG a vybrat mezi File Search a vlastní architekturou
- Používat embeddingy ke klasifikaci, shlukování, doporučování a detekci anomálií a duplicit
Informace o kurzu
- Komu je kurz určen
- Vývojáři, inženýři a integrátoři, kteří chtějí používat ChatGPT přes API ve svých aplikacích.
- Předpoklady
- Schopnost číst Python a JSON, základy příkazového řádku. Klíč API platformy OpenAI pro vyzkoušení příkladů.
- Doba trvání
- 2 h 15 min — 22 lekcí
- Forma výuky
- 100% online kurz vlastním tempem, dostupný 24/7 z prohlížeče. Postup se ukládá a můžeš kdykoli pokračovat. Odhadovaná délka: 2 h 15 min.
- Hodnocení
- Sebehodnocení na základě klíčových poznatků, které uzavírají každou lekci, a přímé procvičování příkladů na vlastních datech. Závěrečný kvíz s 5 otázkami a odpověďmi na konci poslední lekce ověří, co ses naučil.
- Přístupnost
- Kurz vlastním tempem přístupný lidem se zdravotním postižením: textový obsah kompatibilní se čtečkami obrazovky, navigace pomocí klávesnice a vyhovující barevný kontrast. Pro jakékoli potřeby úprav napiš na [email protected].
- Cena
- Zdarma
Obsah kurzu
- 01 Co je to vnoření: Intuice
- 02 API pro vnoření: Modely a dimenze
- 03 Generování vnoření pro vaše data
- 04 Vzdálenost a kosinová podobnost
- 05 Vizualizace vnoření
- 06 Vyhledávání podle významu vs. vyhledávání podle klíčových slov
- 07 Indexace korpusu dokumentů
- 08 Vektorové databáze (Pinecone, Qdrant, Weaviate)
- 09 Hybridní vyhledávání (sémantické + lexikální)
- 10 Vyhodnocení kvality vyhledávání
- 11 Kompletní architektura RAG
- 12 Chunking: Inteligentní rozdělování dokumentů
- 13 Přehodnocení pořadí: Zlepšení relevance
- 14 Pokročilé RAG: Multi-Query, HyDE, Step-Back
- 15 Vyhodnocení RAG pipeline
- 16 File Search vs. vlastní RAG: Kdy použít co
- 17 Klasifikace textu pomocí vnoření
- 18 Shlukování: Automatické seskupování
- 19 Doporučení na míru
- 20 Detekce anomálií a duplicit
- 21 Jemné ladění vnoření (embeddings)
- 22 Produkce: Škálování a mezipaměť