Svensk version
Embeddings, RAG och semantisk sökning
Den här kursen täcker OpenAI embeddings, vektordatabaser, semantisk sökning, en komplett RAG-pipeline och produktionsapplikationer.
22 lektioner ca. 2 h 15 min Utvecklare
Vad du lär dig
- Generera embeddings och mäta semantisk närhet mellan texter med hjälp av cosinuslikhet
- Indexera en korpus i en vektordatabas och konfigurera hybrid sökning (semantisk och lexikal)
- Bygga en komplett RAG-pipeline: chunking, retrieval, reranking och sedan generering
- Utvärdera relevansen hos en RAG-pipeline och välja mellan File Search och en anpassad arkitektur
- Använda embeddings för att klassificera, klustra, rekommendera samt upptäcka anomalier och dubbletter
Kursöversikt
- Målgrupp
- Utvecklare, ingenjörer och integratörer som vill använda ChatGPT via API i sina applikationer.
- Förkunskaper
- Förmåga att läsa Python och JSON, grundläggande kunskaper i kommandoraden. En API-nyckel till OpenAI-plattformen för att testa exemplen.
- Studietid
- 2 h 15 min — 22 lektioner
- Upplägg
- 100 % online självstudiekurs, tillgänglig dygnet runt från en webbläsare. Framsteg sparas och du kan fortsätta när som helst. Beräknad tid: 2 h 15 min.
- Bedömning
- Självutvärdering baserad på de viktigaste punkterna som avslutar varje lektion, samt direkt praktik med exemplen på dina egna data. Ett avslutande quiz med 5 frågor och svar, i slutet av den sista lektionen, validerar det du har lärt dig.
- Tillgänglighet
- Självstudiekurs tillgänglig för personer med funktionsnedsättning: textinnehåll kompatibelt med skärmläsare, tangentbordsnavigering och färgkontrast som följer standarden. För behov av anpassning, mejla [email protected].
- Pris
- Gratis
Kursens innehåll
- 01 Vad är en inbäddning: Intuitionen
- 02 Embeddings-API:n: Modeller och dimensioner
- 03 Generera inbäddningar för din data
- 04 Distans och cosinuslikhet
- 05 Visualisera inbäddningar
- 06 Semantisk sökning kontra nyckelordsökning
- 07 Indexera en dokumentsamling
- 08 Baser de données vectorielles (Pinecone, Qdrant, Weaviate)
- 09 Hybrid sökning (semantisk + lexikal)
- 10 Utvärdera sökkvalitet
- 11 Arkitektur för komplett RAG
- 12 Chunking: Dela upp dina dokument intelligent
- 13 Reranking: Förbättra relevansen
- 14 RAG avancé : Multi-Query, HyDE, Step-Back
- 15 Utvärdera en RAG-pipeline
- 16 File Search kontra anpassad RAG: När ska du använda vad?
- 17 Klassificering av text med inbäddningar
- 18 Clustering : regroupement automatique
- 19 Rekommendationer på individnivå
- 20 Detektering av anomalier och dubbletter
- 21 Finjustering av inbäddningar
- 22 Production : mise à l'échelle et mise en cache