Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Suomenkielinen versio

Upotukset, RAG ja semanttinen haku

Tämä kurssi käsittelee OpenAI-upotuksia, vektoritietokantoja, semanttista hakua, täydellistä RAG-putkea ja tuotantosovelluksia.

22 oppituntia noin 2 h 15 min Kehittäjä

Mitä opit

  • Tuota upotuksia ja mittaa tekstien välistä semanttista läheisyyttä kosinussimilariteetin avulla
  • Indeksoi aineisto vektoritietokantaan ja määritä hybridi-semanttinen ja leksikaalinen haku
  • Rakenna täydellinen RAG-putki: pilkkominen, haku, uudelleenjärjestely ja sitten generointi
  • Arvioi RAG-putken relevanssi ja valitse File Searchin ja mukautetun arkkitehtuurin välillä
  • Käytä upotuksia luokitteluun, klusterointiin, suositteluun sekä poikkeamien ja kaksoiskappaleiden havaitsemiseen

Kurssin tiedot

Kenelle
Kehittäjät, insinöörit ja integraattorit, jotka haluavat käyttää ChatGPT:tä API:n kautta sovelluksissaan.
Esitiedot
Kyky lukea Pythonia ja JSONia, komentorivin perusteet. OpenAI-alustan API-avain esimerkkien kokeilemiseen.
Kesto
2 h 15 min — 22 oppituntia
Toteutustavat
100 % verkkopohjainen itseohjautuva kurssi, joka on käytettävissä 24/7 selaimesta. Edistyminen tallentuu, ja voit jatkaa milloin tahansa. Arvioitu kesto: 2 h 15 min.
Arviointi
Itsearviointi, joka perustuu jokaisen oppitunnin päättäviin keskeisiin oppeihin, sekä esimerkkien suora harjoittelu omilla aineistoillasi. Viimeisen oppitunnin lopussa oleva 5 kysymyksen lopputesti vastauksineen vahvistaa oppimisesi.
Esteettömyys
Itseohjautuva kurssi, joka on esteetön vammaisille henkilöille: tekstisisältö yhteensopiva ruudunlukijoiden kanssa, näppäimistönavigointi ja vaatimusten mukainen värikontrasti. Ota yhteyttä sähköpostitse osoitteeseen [email protected], jos tarvitset mukautuksia.
Hinta
Ilmainen

Kurssin sisältö

  1. 01 Mikä on upotus: intuitio
  2. 02 Upotusrajapinta: Mallit ja ulottuvuudet
  3. 03 Luo upotuksia datallesi
  4. 04 Etäisyys ja kosinussimilariteetti
  5. 05 Visualisoi upotukset
  6. 06 Hakusemantikka vs. avainsanahaku
  7. 07 Indeksoidaan asiakirjakokoelma
  8. 08 Vektoritietokannat (Pinecone, Qdrant, Weaviate)
  9. 09 Hakuhaku: hybridi (semanttinen + leksikaalinen)
  10. 10 Arvioi hakukoneen laatu
  11. 11 RAG-arkkitehtuuri kokonaisuudessaan
  12. 12 Chunking: Asiakirjojen älykäs pilkkominen
  13. 13 Uudelleenjärjestely: Osuvuuden parantaminen
  14. 14 RAG avancé : Multi-Query, HyDE, Step-Back
  15. 15 Arvioi RAG-putki
  16. 16 File Search vs. mukautettu RAG: kumpaa milloinkin käyttää
  17. 17 Tekstiluokittelu upotuksilla
  18. 18 Clustering: Ryhmittely automaattisesti
  19. 19 Suositukset henkilökohtaistettuna
  20. 20 Poikkeavuuksien ja kaksoiskappaleiden havaitseminen
  21. 21 Upotusvektorien hienosäätö
  22. 22 Tuotanto: skaalaus ja välimuisti