Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Slovenské vydanie

Embeddingy, RAG a sémantické vyhľadávanie

Tento kurz pokrýva embeddingy od OpenAI, vektorové databázy, sémantické vyhľadávanie, kompletný pipeline RAG a produkčné aplikácie.

22 lekcií ca. 2 h 15 min Vývojár

Čo sa naučíte

  • Generovať embeddingy a merať sémantickú blízkosť medzi textami pomocou kosínusovej podobnosti
  • Indexovať korpus vo vektorovej databáze a nastaviť hybridné sémantické a lexikálne vyhľadávanie
  • Vybudovať kompletný pipeline RAG: chunking, retrieval, reranking a následne generovanie
  • Vyhodnotiť relevantnosť pipeline RAG a vybrať si medzi File Search a vlastnou architektúrou
  • Používať embeddingy na klasifikáciu, zhlukovanie, odporúčanie a detekciu anomálií a duplikátov

Osnova kurzu

Komu je kurz určený
Vývojári, inžinieri a integrátori, ktorí chcú používať ChatGPT cez API vo svojich aplikáciách.
Predpoklady
Schopnosť čítať Python a JSON, základy príkazového riadku. API kľúč platformy OpenAI na vyskúšanie príkladov.
Dĺžka
2 h 15 min — 22 lekcií
Formát
100 % online kurz vo vlastnom tempe, dostupný 24/7 z prehliadača. Priebeh sa ukladá a môžeš pokračovať kedykoľvek. Odhadovaný čas: 2 h 15 min.
Hodnotenie
Sebahodnotenie na základe kľúčových poznatkov, ktoré uzatvárajú každú lekciu, a priame precvičovanie príkladov na vlastných dátach. Záverečný kvíz s 5 otázkami a odpoveďami na konci poslednej lekcie overí tvoje vedomosti.
Prístupnosť
Kurz vo vlastnom tempe prístupný pre ľudí so zdravotným postihnutím: textový obsah kompatibilný so čítačkami obrazovky, navigácia pomocou klávesnice a vyhovujúci farebný kontrast. Pre akékoľvek potreby úprav napíš na [email protected].
Cena
Zadarmo

Obsah kurzu

  1. 01 Čo je to vkladanie (embedding): Intuícia
  2. 02 API pre vektory: Modely a dimenzie
  3. 03 Generovanie vektorových reprezentácií pre vaše dáta
  4. 04 Vzdialenosť a kosínusová podobnosť
  5. 05 Vizualizácia vektorových reprezentácií
  6. 06 Vyhľadávanie podľa významu vs. vyhľadávanie podľa kľúčových slov
  7. 07 Indexovanie korpusu dokumentov
  8. 08 Vektorové databázy (Pinecone, Qdrant, Weaviate)
  9. 09 Hybridné vyhľadávanie (sémantické + lexikálne)
  10. 10 Vyhodnotenie kvality vyhľadávania
  11. 11 Kompletná architektúra RAG
  12. 12 Chunking: Inteligentné rozdelenie dokumentov
  13. 13 Reranking: Zlepšenie relevantnosti
  14. 14 Pokročilý RAG: Multi-Query, HyDE, Step-Back
  15. 15 Vyhodnotenie pipeline RAG
  16. 16 Vyhľadávanie súborov vs. vlastný RAG: Kedy použiť čo
  17. 17 Klasifikácia textu pomocou vektorových reprezentácií
  18. 18 Zhlukovanie: Automatické zoskupovanie
  19. 19 Odporúčania na mieru
  20. 20 Detekcia anomálií a duplikátov
  21. 21 Jemné doladenie vektorových reprezentácií (Embeddings)
  22. 22 Produkcia: Škálovanie a cachovanie