Zjisti, jak embedding modely pohání mnoho z nejzajímavějších AI aplikací. Nauč se používat OpenAI API k vytváření embeddingů a výpočtu sémantické podobnosti mezi texty.

Úžasný svět embeddingů!

Co jsou to embeddingy?

Využití embeddings

Vytváření embeddingů

Prozkoumání odpovědi s embeddingem

Zkoumání vektorového prostoru

Embedování popisů produktů

Vizualizace vložených popisů

Podobnost textu

Výpočet kosinové vzdálenosti

Znovupoužitelné embeddingy

Hledání nejpodobnějšího produktu

Co jsou embeddingy?

Embeddingy umožňují tvorbu výkonných AI aplikací, včetně sémantických vyhledávačů, doporučovacích systémů a klasifikačních úloh, jako je analýza sentimentu. Nauč se využívat OpenAI embedding model k vytváření těchto zajímavých aplikací!

Sémantické vyhledávání a obohacené embeddingy

Obohacení embeddingů

Řazení podle podobnosti

Sémantické vyhledávání produktů

Systémy doporučování

Doporučovací systém produktů

Přidání historie uživatele do doporučovacího systému

Embeddings pro klasifikační úlohy

Embedding recenzí restaurací

Klasifikace sentimentu recenzí

Embedding podrobnějších popisů

Embeddingy pro AI aplikace

Pro nasazení embedding aplikací do produkce budeš potřebovat efektivní řešení pro ukládání a dotazování vektorů – a právě zde přicházejí na řadu vektorové databáze! Zjistíš, jak vektorové databáze pomáhají škálovat embedding aplikace, a začneš vytvářet vlastní vektorové databáze pomocí Chroma.

Vektorové databáze pro systémy s embeddingy

Možnosti

Metadata

Není metadata

Metadata, nebo ne?

Výběr řešení pro vektorovou databázi

Vytváření vektorových databází s ChromaDB

Začínáme s ChromaDB

Odhad nákladů na embedding pomocí tiktoken

Přidání dat do kolekce

Dotazování a aktualizace databáze

Dotazování kolekce Netflix

Aktualizace a mazání položek v kolekci

Více dotazů a filtrování

Dotazování s více texty

Filtrování pomocí metadat

Gratulujeme!

Vektorové databáze

Online Retail Products

Netflix Titles (Full)

Netflix Titles (First 1000)

Modely textových embeddingů vytvářejí číselné reprezentace textových vstupů. Díky schopnosti kódovat text a zachytit jeho sémantický význam stojí embedding modely v základu mnoha typů AI aplikací – například sémantických vyhledávačů nebo doporučovacích systémů. V tomto kurzu se naučíš, jak využít OpenAI model pro embeddingy prostřednictvím OpenAI API k vytváření embeddingů z textových datových sad a k vývoji reálných aplikací. Uděláš také velký krok směrem k aplikacím připraveným pro produkční nasazení – seznámíš se s vektorovými databázemi pro efektivní ukládání a dotazování vložených textů.

<h2>Umožněte výkonné aplikace AI</h2>
Embeddingy nám umožňují reprezentovat text numericky a zachytit kontext i záměr, který se za textem skrývá. Dozvíš se, jak tyto schopnosti mohou umožnit sémantické vyhledávače, které vyhledávají na základě významu, relevantnější doporučovací systémy a provádět klasifikační úlohy, jako je analýza sentimentu.<br><br>
<h2>Vytvářejte embeddingy pomocí OpenAI API</h2>OpenAI API nemá jen endpointy pro přístup ke svým modelům GPT a Whisper, ale také pro modely pro vytváření embeddingů z textových vstupů. Vytvoříte embeddingy pomocí nejmodernějších embeddingových modelů OpenAI, abyste zachytili sémantický význam textu.<br><br>
<h2>Vytvořte sémantické vyhledávání a doporučovací systémy</h2>
Tradiční vyhledávače se při zobrazování nejrelevantnějších výsledků uživatelům spoléhaly na shodu klíčových slov, ale modernější techniky využívají embeddingy, protože dokážou zachytit sémantický význam textu. Naučíte se vytvořit sémantický vyhledávač pro online maloobchodní platformu pomocí modelu embeddings od OpenAI, aby uživatelé mohli snadněji najít nejrelevantnější produkty. Naučíte se také, jak vytvořit systém doporučování produktů, který je založen na stejných principech jako sémantické vyhledávání.<br><br>
<h2>Využívejte vektorové databáze</h2>
Aplikace AI v produkci, které spoléhají na embeddingy, často používají vektorovou databázi k ukládání a dotazování vloženého textu efektivnějším a reprodukovatelnějším způsobem. V tomto kurzu se naučíte používat ChromaDB, open-source řešení vektorové databáze spravované vámi, k vytváření a ukládání embeddingů ve vašem lokálním systému.

Working with the OpenAI API

Python Toolbox

Odemkněte pokročilé AI aplikace, jako je sémantické vyhledávání, pomocí OpenAI embedding modelu!

Introduction to Embeddings with the OpenAI API

Odemkněte pokročilejší AI aplikace, jako je sémantické vyhledávání a doporučovací systémy, pomocí embedding modelu OpenAI!

Asociovaný AI inženýr pro vývojáře

Vývoj aplikací s umělou inteligencí

Základy OpenAI

Výběr řešení pro vektorovou databázi

Introduction to Embeddings with the OpenAI API

Interaktivní praktické cvičení