Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Έκδοση στα ελληνικά

Embeddings, RAG και σημασιολογική αναζήτηση

Embeddings της OpenAI, διανυσματικές βάσεις, σημασιολογική αναζήτηση, πλήρης RAG pipeline και εφαρμογές σε παραγωγή.

22 μαθήματα περίπου 2 ώρες 15 λεπτά Για developers

Τι θα μάθετε

  • Δημιουργήστε embeddings και μετρήστε τη σημασιολογική εγγύτητα μεταξύ κειμένων με συνημίτονο ομοιότητας
  • Καταχωρήστε έναν κορπό σε διανυσματική βάση και στήστε υβριδική σημασιολογική και λεξική αναζήτηση
  • Οικοδομήστε πλήρη RAG pipeline: τμηματοποίηση, ανάκτηση, reranking και στη συνέχεια παραγωγή
  • Αξιολογήστε τη συνάφεια ενός RAG pipeline και επιλέξτε μεταξύ File Search και δικής σας αρχιτεκτονικής
  • Χρησιμοποιήστε τα embeddings για ταξινόμηση, ομαδοποίηση, συστάσεις και ανίχνευση ανωμαλιών και διπλοτύπων

Στοιχεία προγράμματος

Σε ποιους απευθύνεται
Προγραμματιστές, μηχανικοί και ολοκληρωτές που θέλουν να αξιοποιήσουν το ChatGPT μέσω API στις εφαρμογές τους.
Προαπαιτούμενα
Ανάγνωση Python και JSON, βασικά της γραμμής εντολών. Ένα κλειδί API της πλατφόρμας OpenAI για να δοκιμάσετε τα παραδείγματα.
Διάρκεια
2 ώρες 15 λεπτά — 22 μαθήματα
Μορφές παράδοσης
100% διαδικτυακή αυτοβελτίωση, διαθέσιμη 24/7 από οποιονδήποτε φυλλομετρητή. Η πρόοδος αποθηκεύεται και συνεχίζετε όποτε θέλετε. Εκτιμώμενη διάρκεια: 2 ώρες 15 λεπτά
Αξιολόγηση
Αυτοαξιολόγηση με βάση τα Βασικά σημεία που κλείνουν κάθε μάθημα, και άμεση εξάσκηση των παραδειγμάτων στις δικές σας περιπτώσεις. Ένα τελικό κουίζ 5 διορθωμένων ερωτήσεων, στο τέλος του τελευταίου μαθήματος, επιβεβαιώνει όσα μάθατε.
Προσβασιμότητα
Κατάρτιση σε δικό σας ρυθμό, προσβάσιμη σε άτομα με αναπηρία: κείμενα συμβάτα με αναγνώστες οθόνης, πλοήγηση με πληκτρολόγιο και χρωματική αντίθεση σύμφωνη με τις προδιαγραφές. Για οποιαδήποτε ανάγκη προσαρμογής, γράψτε στο [email protected].
Τιμή
Δωρεάν

Περιεχόμενο προγράμματος

  1. 01 Τι είναι ένα Embedding: Η Διαίσθηση
  2. 02 Το API Embeddings: Μοντέλα και Διαστάσεις
  3. 03 Δημιουργία embeddings για τα δεδομένα σας
  4. 04 Απόσταση και Ομοιότητα Συνημιτόνου
  5. 05 Οπτικοποίηση ενσωματώσεων
  6. 06 Αναζήτηση σημασιολογική έναντι αναζήτησης με λέξεις-κλειδιά
  7. 07 Ευρετηρίαση ενός σώματος εγγράφων
  8. 08 Βάσεις δεδομένων διανυσμάτων (Pinecone, Qdrant, Weaviate)
  9. 09 Υβριδική αναζήτηση (σημασιολογική + λεξική)
  10. 10 Αξιολόγηση ποιότητας αναζήτησης
  11. 11 Πλήρης Αρχιτεκτονική RAG
  12. 12 Chunking: Διαίρεση των εγγράφων σας με έξυπνο τρόπο
  13. 13 Reranking: Βελτίωση της Συνάφειας
  14. 14 RAG προχωρημένο: Multi-Query, HyDE, Step-Back
  15. 15 Αξιολόγηση μιας Διαδικασίας RAG
  16. 16 Αναζήτηση Αρχείων έναντι Προσαρμοσμένου RAG: Πότε να Χρησιμοποιήσετε το Κάθε Ένα
  17. 17 Κατηγοριοποίηση κειμένου με ενσωματώσεις
  18. 18 Clustering: Ομαδοποίηση κατά Θέμα
  19. 19 Προσωποποιημένες Συστάσεις
  20. 20 Ανίχνευση ανωμαλιών και διπλοτύπων
  21. 21 Βελτιστοποίηση embeddings με fine-tuning
  22. 22 Παραγωγή: Κλιμάκωση και Caching