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