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