OpenAI API ではじめる Embeddings 入門

強力なAIアプリケーションを実現

Embeddingにより、テキストを数値で表現し、その文脈と背後にある意図を捉えることができます。 これらのスキルが、意味に基づいて検索できるセマンティック検索エンジン、より関連性の高いレコメンデーションエンジン、そして感情分析のような分類タスクをどのように実現できるかを学びます。

OpenAI APIを使用して埋め込みを作成する

OpenAI APIには、GPTおよびWhisperモデルにアクセスするためのエンドポイントだけでなく、テキスト入力から埋め込みを作成するためのモデル用エンドポイントも用意されています。 OpenAIの最先端の埋め込みモデルを使って、テキストの意味的な内容を捉える埋め込みを作成します。

セマンティック検索とレコメンドエンジンを構築する

従来の検索エンジンは、ユーザーに最も関連性の高い結果を返すためにキーワード一致に依存していましたが、より現代的な手法では、テキストの意味的な意味を捉えられるため、埋め込みが使用されています。 OpenAIの埋め込みモデルを使ってオンライン小売プラットフォーム向けのセマンティック検索エンジンを作成し、ユーザーが最も関連性の高い商品をより簡単に見つけられるようにします。 また、セマンティック検索と同じ原理に基づいて構築される、商品レコメンデーションシステムの作成方法も学びます。

ベクトルデータベースを活用する

埋め込みに依存する本番環境のAIアプリケーションでは、埋め込み済みテキストをより効率的かつ再現性の高い方法で保存・検索するために、ベクトルデータベースがよく使用されます。 このコースでは、オープンソースのセルフマネージドなベクトルデータベースソリューションであるChromaDBを使って、ローカル環境で埋め込みを作成し、保存する方法を学びます。