Khám phá cách các mô hình embeddings vận hành nhiều ứng dụng AI thú vị nhất. Học cách dùng OpenAI API để tạo embeddings và tính toán độ tương đồng ngữ nghĩa giữa các văn bản.

Thế giới kỳ diệu của embeddings!

Embeddings là gì?

Tùy chọn

Embeddings

Không phải embeddings

Ứng dụng của embeddings

Tạo embeddings

Đi sâu vào phản hồi embeddings

Khám phá không gian vector

Nhúng mô tả sản phẩm

Trực quan hóa các mô tả đã được nhúng

Độ tương đồng văn bản

Tính khoảng cách cosine

Embedding có tính lặp lại cao hơn

Tìm sản phẩm giống nhất

Embeddings mở khóa các ứng dụng AI mạnh mẽ, bao gồm công cụ tìm kiếm ngữ nghĩa, hệ thống gợi ý và các tác vụ phân loại như phân tích cảm xúc. Học cách sử dụng mô hình embeddings của OpenAI để hiện thực hóa những ứng dụng hấp dẫn này!

Tìm kiếm ngữ nghĩa và embedding mở rộng

Làm giàu embeddings

Sắp xếp theo độ tương đồng

Tìm kiếm ngữ nghĩa cho sản phẩm

Hệ thống gợi ý

Hệ thống gợi ý sản phẩm

Thêm lịch sử người dùng vào hệ thống gợi ý

Embeddings cho các tác vụ phân loại

Embedding đánh giá nhà hàng

Phân loại cảm xúc bài đánh giá

Embedding mô tả chi tiết hơn

Embeddings cho các ứng dụng AI

Để đưa ứng dụng embedding vào môi trường sản xuất, bạn cần một giải pháp lưu trữ và truy vấn vector hiệu quả: đó là cơ sở dữ liệu vector! Bạn sẽ học cách cơ sở dữ liệu vector giúp mở rộng quy mô ứng dụng embedding và bắt đầu tạo, bổ sung cơ sở dữ liệu vector của riêng bạn bằng Chroma.

Cơ sở dữ liệu vector cho hệ thống embedding

Có nên dùng metadata hay không?

Chọn giải pháp cơ sở dữ liệu vector

Tạo cơ sở dữ liệu vector với ChromaDB

Bắt đầu với ChromaDB

Ước tính chi phí embedding với tiktoken

Thêm dữ liệu vào collection

Truy vấn và cập nhật cơ sở dữ liệu

Truy vấn collection Netflix

Cập nhật và xóa mục khỏi một collection

Nhiều truy vấn và lọc

Truy vấn với nhiều văn bản

Lọc bằng metadata

Chúc mừng bạn!

Cơ sở dữ liệu vector

Online Retail Products

Netflix Titles (Full)

Netflix Titles (First 1000)

Các mô hình text embedding tạo ra biểu diễn số từ văn bản đầu vào. Khả năng mã hóa văn bản và nắm bắt ý nghĩa ngữ nghĩa này khiến embedding trở thành nền tảng cho nhiều ứng dụng AI, như công cụ tìm kiếm ngữ nghĩa và hệ thống gợi ý. Trong khóa học này, bạn sẽ học cách khai thác mô hình Embeddings của OpenAI qua OpenAI API để tạo embedding từ các tập dữ liệu văn bản và bắt đầu phát triển các ứng dụng thực tế. Bạn cũng sẽ tiến một bước lớn tới các ứng dụng sẵn sàng cho sản xuất bằng cách tìm hiểu về cơ sở dữ liệu vector để lưu trữ và truy vấn văn bản đã embedding một cách hiệu quả.

<h2>Kích hoạt các ứng dụng AI mạnh mẽ</h2>
Embeddings cho phép chúng ta biểu diễn văn bản dưới dạng số, nắm bắt ngữ cảnh và ý định đằng sau văn bản. Bạn sẽ tìm hiểu cách những kỹ năng này có thể hỗ trợ các công cụ tìm kiếm ngữ nghĩa, có thể tìm kiếm dựa trên ý nghĩa, các công cụ gợi ý phù hợp hơn và thực hiện các tác vụ phân loại như phân tích cảm xúc.<br><br>
<h2>Tạo Embeddings bằng OpenAI API</h2>OpenAI API không chỉ có các endpoint để truy cập các mô hình GPT và Whisper, mà còn có các mô hình để tạo embeddings từ đầu vào văn bản. Bạn sẽ tạo embeddings bằng các mô hình embeddings tiên tiến nhất của OpenAI để nắm bắt ý nghĩa ngữ nghĩa của văn bản.<br><br>
<h2>Xây dựng công cụ Tìm kiếm Ngữ nghĩa và Hệ thống Gợi ý</h2>
Các công cụ tìm kiếm truyền thống dựa vào việc khớp từ khóa để trả về kết quả phù hợp nhất cho người dùng, nhưng các kỹ thuật hiện đại hơn sử dụng embedding, vì chúng có thể nắm bắt ý nghĩa ngữ nghĩa của văn bản. Bạn sẽ học cách tạo một công cụ tìm kiếm ngữ nghĩa cho một nền tảng bán lẻ trực tuyến bằng mô hình embeddings của OpenAI, giúp người dùng dễ dàng tìm thấy những sản phẩm phù hợp nhất. Bạn cũng sẽ học cách tạo một hệ thống gợi ý sản phẩm, được xây dựng trên cùng các nguyên lý như tìm kiếm ngữ nghĩa.<br><br>
<h2>Sử dụng cơ sở dữ liệu vector</h2>
Các ứng dụng AI trong môi trường sản xuất dựa trên embeddings thường sử dụng cơ sở dữ liệu vector để lưu trữ và truy vấn văn bản đã được embedding theo cách hiệu quả hơn và có thể tái tạo tốt hơn. Trong khóa học này, bạn sẽ học cách sử dụng ChromaDB, một giải pháp cơ sở dữ liệu vector mã nguồn mở, tự quản lý, để tạo và lưu trữ embeddings trên hệ thống cục bộ của bạn.

Working with the OpenAI API

Python Toolbox

Mở khóa ứng dụng AI tiên tiến như tìm kiếm ngữ nghĩa và gợi ý với mô hình nhúng của OpenAI!

Nhập môn Embeddings với OpenAI API

Mở khóa các ứng dụng AI nâng cao hơn, như tìm kiếm ngữ nghĩa và công cụ đề xuất, bằng mô hình embedding của OpenAI!

Kỹ sư Trợ lý Trí tuệ Nhân tạo (AI) cho Lập trình viên

Phát triển các ứng dụng trí tuệ nhân tạo

Những nguyên tắc cơ bản của OpenAI

Tính khoảng cách cosine

Nhập môn Embeddings với OpenAI API

Bài tập tương tác thực hành