Dansk udgave
Embeddings, RAG og semantisk søgning
Dette kursus dækker OpenAI embeddings, vektordatabaser, semantisk søgning, en komplet RAG-pipeline og produktionsapplikationer.
22 lektioner ca. 2 t 15 min Udvikler
Hvad du lærer
- Generere embeddings og måle semantisk nærhed mellem tekster ved hjælp af cosinuslighed
- Indeksere et korpus i en vektordatabase og opsætte hybrid semantisk og leksikalsk søgning
- Bygge en komplet RAG-pipeline: chunking, hentning, omrangering og derefter generering
- Evaluere relevansen af en RAG-pipeline og vælge mellem File Search og en brugerdefineret arkitektur
- Bruge embeddings til at klassificere, gruppere, anbefale samt opdage anomalier og dubletter
Kursusark
- Målgruppe
- Udviklere, ingeniører og integratorer, der ønsker at bruge ChatGPT via API i deres applikationer.
- Forudsætninger
- Evne til at læse Python og JSON, grundlæggende kommandolinje. En OpenAI platform API-nøgle til at prøve eksemplerne.
- Varighed
- 2 t 15 min — 22 lektioner
- Formater
- 100 % online selvstyret kursus, tilgængeligt 24/7 fra en browser. Fremdrift gemmes, og du kan genoptage når som helst. Estimeret varighed: 2 t 15 min.
- Vurdering
- Selvbedømmelse baseret på de vigtigste pointer, der afslutter hver lektion, og direkte praksis med eksemplerne på dine egne data. En afsluttende quiz med 5 spørgsmål og svar, i slutningen af den sidste lektion, validerer det, du har lært.
- Tilgængelighed
- Selvstyret kursus tilgængeligt for personer med handicap: tekstindhold kompatibelt med skærmlæsere, tastaturnavigation og overholdelse af farvekontrast. For eventuelle tilpasningsbehov, send en e-mail til [email protected].
- Pris
- Gratis
Kursets indhold
- 01 Hvad er en embedding: Intuitionen
- 02 Embeddings-API'en: Modeller og dimensioner
- 03 Generér embeddings til dine data
- 04 Afstand og cosinusligehed
- 05 Visualisering af embeddings
- 06 Semantisk søgning vs. nøgleordsøgning
- 07 Indeksér et dokumentkorpus
- 08 Vektordatabaser (Pinecone, Qdrant, Weaviate)
- 09 Hybrid søgning (semantisk + leksikalsk)
- 10 Evaluér søgekvalitet
- 11 Komplet RAG-arkitektur
- 12 Chunking: Opdel dine dokumenter intelligent
- 13 Reranking: Forbedring af relevans
- 14 Avanceret RAG: Multi-Query, HyDE, Step-Back
- 15 Evaluér en RAG-pipeline
- 16 File Search vs. brugerdefineret RAG: Hvornår skal du bruge hvad?
- 17 Klassificering af tekst med embeddings
- 18 Clustering: Gruppering automatisk
- 19 Personlige anbefalinger
- 20 Detektion af anomalier og dubletter
- 21 Finjustering af embeddings
- 22 Produktion: Skalering og Caching