Descubre cómo los modelos de incrustación potencian muchas de las aplicaciones de IA más apasionantes. Aprende a utilizar OpenAI API para crear incrustaciones y calcular la similitud semántica entre textos.

¡El maravilloso mundo de las incrustaciones!

¿Qué son las incrustaciones?

Aplicaciones incrustadas

Crear incrustaciones

Profundizar en la respuesta de las incrustaciones

Investigar el espacio vectorial

Incrustar descripciones de productos

Visualizar las descripciones incrustadas

Similitud de texto

Cálculo de distancias coseno

Incrustaciones más repetibles

Encontrar el producto más similar

¿Qué son las Incrustaciones?

Las incrustaciones permiten potentes aplicaciones de IA, como motores de búsqueda semántica, motores de recomendación y tareas de clasificación como el análisis de sentimientos. ¡Aprende a utilizar el modelo de incrustación de OpenAI para hacer posibles estas apasionantes aplicaciones!

Búsqueda semántica e incrustaciones enriquecidas

Incrustaciones enriquecedoras

Ordenar por similitud

Búsqueda semántica de productos

Sistemas de recomendación

Sistema de recomendación de productos

Añadir el historial del usuario al motor de recomendación

Incrustaciones para tareas de clasificación

Incrustar reseñas de restaurantes

Clasificar el sentimiento de las opiniones

Incrustar descripciones más detalladas

Incrustaciones para aplicaciones de IA

Para poder integrar aplicaciones en producción, necesitarás una solución eficaz de almacenamiento y consulta de vectores: ¡entra en las bases de datos vectoriales! Aprenderás cómo las bases de datos vectoriales pueden ayudar a escalar las aplicaciones de incrustación y empezarás a crear y añadir a tus propias bases de datos vectoriales utilizando Chroma.

Bases de datos vectoriales para sistemas de incrustación

Opciones

Metadata

No metadatos

¿Metadatos o no metadatos?

Elegir una solución de base de datos vectorial

Crear bases de datos vectoriales con ChromaDB

Primeros pasos con ChromaDB

Estimación de los costes de incrustación con tiktoken

Añadir datos a la colección

Consulta y actualización de la base de datos

Consulta de la colección Netflix

Actualizar y eliminar elementos de una colección

Consultas múltiples y filtrado

Consulta con varios textos

Filtrar utilizando metadatos

¡Enhorabuena!

Bases de datos vectoriales

Online Retail Products

Netflix Titles (Full)

Netflix Titles (First 1000)

Los modelos de incrustación de texto crean representaciones numéricas a partir de entradas de texto. Esta capacidad de codificar el texto y captar su significado semántico significa que los modelos de incrustación sustentan muchos tipos de aplicaciones de IA, como los motores de búsqueda semántica y los motores de recomendación. En este curso, aprenderás a aprovechar el modelo Embeddings de OpenAI a través de OpenAI API para crear embeddings a partir de conjuntos de datos de texto y empezar a desarrollar aplicaciones del mundo real. También darás un gran paso hacia la creación de aplicaciones listas para la producción aprendiendo sobre bases de datos vectoriales para almacenar y consultar eficazmente textos incrustados.

<h2>Habilita potentes aplicaciones de IA</h2>
Las incrustaciones nos permiten representar el texto numéricamente, captando el contexto y la intención que hay detrás del texto. Aprenderás cómo estas capacidades pueden permitir motores de búsqueda semántica, que pueden buscar basándose en el significado, motores de recomendación más relevantes y realizar tareas de clasificación como el análisis de sentimientos.<br><br>
<h2>Crear incrustaciones utilizando la API de OpenAI</h2>La API de OpenAI no sólo tiene puntos finales para acceder a sus modelos GPT y Whisper, sino también a modelos para crear incrustaciones a partir de entradas de texto. Crearás incrustaciones utilizando los modelos de incrustación de última generación de OpenAI para captar el significado semántico del texto.<br><br>
<h2>Construir motores de búsqueda y recomendación semánticos</h2>
Los motores de búsqueda tradicionales se basaban en la concordancia de palabras clave para devolver los resultados más relevantes a los usuarios, pero las técnicas más modernas utilizan incrustaciones, ya que pueden captar el significado semántico del texto. Aprenderás a crear un motor de búsqueda semántica para una plataforma de venta online utilizando el modelo de incrustación de OpenAI, para que los usuarios puedan encontrar más fácilmente los productos más relevantes. También aprenderás a crear un sistema de recomendación de productos, que se basa en los mismos principios que la búsqueda semántica.<br><br>
<h2>Utilizar bases de datos vectoriales</h2>
Las aplicaciones de IA en producción que se basan en incrustaciones suelen utilizar una base de datos vectorial para almacenar y consultar el texto incrustado de forma más eficaz y reproducible. En este curso, aprenderás a utilizar ChromaDB, una solución de base de datos vectorial de código abierto y autogestionada, para crear y almacenar incrustaciones en tu sistema local.

Working with the OpenAI API

Python Toolbox

Desbloquea aplicaciones avanzadas de IA con el modelo de embeddings de OpenAI.

Introducción a las incrustaciones con la OpenAI API

"Desbloquea aplicaciones avanzadas de IA, como búsqueda semántica y motores de recomendación, con el modelo de OpenAI."

Ingeniero asociado de IA para desarrolladores

Desarrollo de aplicaciones de IA

Fundamentos de OpenAI

Senior Software Engineer, DataCamp

Vector databases for embedding systems

Limitations of the current approach

Vector databases

NoSQL databases vs. SQL databases

Components to store

The vector database landscape

Which solution is best?

Let's practice!

Bases de datos vectoriales - Bases de datos vectoriales para sistemas de incrustación