Nederlandstalige editie
Embeddings, RAG en semantisch zoeken
Deze cursus behandelt OpenAI-embeddings, vector databases, semantisch zoeken, een volledige RAG-pipeline en productietoepassingen.
22 lessen ca. 2 h 15 min Ontwikkelaar
Wat u leert
- Embeddings genereren en de semantische nabijheid tussen teksten meten met behulp van cosinusovereenkomst
- Een corpus indexeren in een vector database en hybride semantisch en lexicaal zoeken opzetten
- Een volledige RAG-pipeline bouwen: chunking, retrieval, reranking en vervolgens generatie
- De relevantie van een RAG-pipeline evalueren en kiezen tussen File Search en een aangepaste architectuur
- Embeddings gebruiken om te classificeren, clusteren, aanbevelen, en anomalieën en duplicaten detecteren
Cursusoverzicht
- Voor wie
- Ontwikkelaars, ingenieurs en integrators die ChatGPT via de API in hun toepassingen willen gebruiken.
- Vereisten
- Vermogen om Python en JSON te lezen, basiskennis van de commandoregel. Een OpenAI Platform API-sleutel om de voorbeelden uit te proberen.
- Duur
- 2 h 15 min — 22 lessen
- Modaliteiten
- 100% online zelfgestuurde cursus, 24/7 toegankelijk via een browser. De voortgang wordt opgeslagen en u kunt op elk moment hervatten. Geschatte duur: 2 h 15 min.
- Toetsing
- Zelfevaluatie op basis van de belangrijkste leerpunten die elke les afsluiten, en directe praktijk van de voorbeelden met uw eigen gegevens. Een eindquiz van 5 vragen met antwoorden, aan het einde van de laatste les, valideert wat u heeft geleerd.
- Toegankelijkheid
- Zelfgestuurde cursus toegankelijk voor personen met een handicap: tekstinhoud compatibel met schermlezers, toetsenbordnavigatie en conforme kleurcontrasten. Voor aanpassingsbehoeften kunt u e-mailen naar [email protected].
- Prijs
- Gratis
Inhoud van de cursus
- 01 Wat is een embedding: de intuïtie
- 02 De Embeddings API: Modellen en Dimensies
- 03 Genereer embeddings voor uw gegevens
- 04 Afstand en Cosinusgelijkenis
- 05 Visualiser les embeddings
- 06 Zoeken op betekenis versus zoeken op trefwoord
- 07 Indexeren van een documentencorpus
- 08 Vector databases (Pinecone, Qdrant, Weaviate)
- 09 Hybride zoekopdracht (semantisch + lexicaal)
- 10 De zoekkwaliteit evalueren
- 11 Volledige RAG-architectuur
- 12 Chunking: uw documenten intelligent opsplitsen
- 13 Reranking: de relevantie verbeteren
- 14 RAG geavanceerd: Multi-Query, HyDE, Step-Back
- 15 Een RAG-pijplijn evalueren
- 16 File Search vs. Custom RAG: wanneer gebruikt u wat?
- 17 Classificatie van tekst met embeddings
- 18 Clustering: Groepering automatiseren
- 19 Aanbevelingen op maat
- 20 Detectie van anomalieën en duplicaten
- 21 Fine-tuning van embeddings
- 22 Productie: Schalen en Cachen