Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Hrvatsko izdanje

Embeddings, RAG i semantičko pretraživanje

Ovaj tečaj obuhvaća OpenAI embeddinge, vektorske baze podataka, semantičko pretraživanje, kompletan RAG pipeline i produkcijske aplikacije.

22 lekcija oko 2 h 15 min Programer

Što ćete naučiti

  • Generiranje embeddinga i mjerenje semantičke bliskosti između tekstova korištenjem kosinusne sličnosti
  • Indeksiranje korpusa u vektorskoj bazi podataka i postavljanje hibridnog semantičkog i leksičkog pretraživanja
  • Izgradnja potpunog RAG pipelinea: chunking, dohvat, ponovno rangiranje, a zatim generiranje
  • Evaluacija relevantnosti RAG pipelinea i odabir između File Search i prilagođene arhitekture
  • Korištenje embeddinga za klasifikaciju, grupiranje, preporuke te otkrivanje anomalija i duplikata

O tečaju

Za koga je namijenjen
Programeri, inženjeri i integratori koji žele koristiti ChatGPT putem API-ja u svojim aplikacijama.
Preduvjeti
Sposobnost čitanja Pythona i JSON-a, osnove командне linije. API ključ za OpenAI platformu potreban je za isprobavanje primjera.
Trajanje
2 h 15 min — 22 lekcija
Format
Tečaj koji se odvija 100 % online u vlastitom tempu, dostupan 24/7 putem preglednika. Napredak se sprema, a tečaj možete nastaviti u bilo kojem trenutku. Procijenjeno trajanje: 2 h 15 min.
Način ocjenjivanja
Samoprocjena temeljena na ključnim porukama koje zaključuju svaku lekciju i izravna praksa primjera na vlastitim podacima. Završni kviz s 5 pitanja i odgovorima, na kraju posljednje lekcije, validira usvojeno znanje.
Pristupačnost
Tečaj u vlastitom tempu dostupan osobama s invaliditetom: tekstualni sadržaj kompatibilan s čitačima zaslona, navigacija tipkovnicom i usklađen kontrast boja. Za bilo kakve potrebe prilagodbe, pošaljite e-poštu na [email protected].
Cijena
Besplatno

Sadržaj tečaja

  1. 01 Što je ugradnja (embedding): Intuicija
  2. 02 API za ugradnje (Embeddings): modeli i dimenzije
  3. 03 Génère des embeddings pour tes données
  4. 04 Udaljenost i kosinusna sličnost
  5. 05 Vizualizacija ugrađenih vektora
  6. 06 Pretraživanje po značenju nasuprot pretraživanju po ključnim riječima
  7. 07 Indeksiranje korpusa dokumenata
  8. 08 Baze podataka vektora (Pinecone, Qdrant, Weaviate)
  9. 09 Pretraživanje hibridnog tipa (semantičko + leksičko)
  10. 10 Évaluer la qualité de la recherche
  11. 11 Potpuna arhitektura RAG-a
  12. 12 Chunking: Pametno dijeljenje vaših dokumenata
  13. 13 Reranking: Poboljšanje relevantnosti
  14. 14 RAG napredno: Multi-Query, HyDE, Step-Back
  15. 15 Evaluacija RAG cjevovoda
  16. 16 Pretraživanje datoteka naspram prilagođenog RAG-a: kada koristiti što
  17. 17 Klasifikacija teksta pomoću ugradnji
  18. 18 Klasteriranje: Automatsko grupiranje
  19. 19 Preporuke prilagođene korisniku
  20. 20 Detekcija anomalija i duplikata
  21. 21 Fino podešavanje ugrađivanja (embeddings)
  22. 22 Production : mise à l'échelle et mise en cache