Einführung in Embeddings mit der OpenAI API

Leistungsstarke KI-Anwendungen ermöglichen

Einbettungen ermöglichen es uns, Text numerisch darzustellen und den Kontext und die Absicht hinter dem Text zu erfassen. Du erfährst, wie diese Fähigkeiten semantische Suchmaschinen ermöglichen, die auf der Grundlage von Bedeutungen suchen, relevantere Empfehlungsmaschinen entwickeln und Klassifizierungsaufgaben wie Stimmungsanalysen durchführen können.

Einbettungen mit der OpenAI API erstellen

Die OpenAI API hat nicht nur Endpunkte für den Zugriff auf ihre GPT- und Whisper-Modelle, sondern auch für Modelle zur Erstellung von Einbettungen aus Texteingaben. Du erstellst Einbettungen mit den hochmodernen Einbettungsmodellen von OpenAI, um die semantische Bedeutung von Text zu erfassen.

Semantische Such- und Empfehlungsmaschinen aufbauen

Traditionelle Suchmaschinen stützen sich auf den Abgleich von Schlüsselwörtern, um den Nutzern die relevantesten Ergebnisse zu liefern, aber modernere Techniken verwenden Einbettungen, da sie die semantische Bedeutung des Textes erfassen können. Du lernst, wie du mit dem Einbettungsmodell von OpenAI eine semantische Suchmaschine für eine Online-Einzelhandelsplattform erstellst, damit die Nutzer/innen leichter die relevantesten Produkte finden können. Du lernst auch, wie du ein Produktempfehlungssystem erstellst, das auf denselben Prinzipien wie die semantische Suche aufbaut.

Vektordatenbanken nutzen

KI-Anwendungen in der Produktion, die auf Einbettungen angewiesen sind, verwenden oft eine Vektordatenbank, um den eingebetteten Text effizienter und reproduzierbarer zu speichern und abzufragen. In diesem Kurs lernst du, wie du mit ChromaDB, einer selbstverwalteten Open-Source-Vektor-Datenbanklösung, Einbettungen auf deinem lokalen System erstellen und speichern kannst.