Introductie tot Embeddings met de OpenAI API

Ontwikkel krachtige AI-toepassingen

Embeddings stellen ons in staat tekst numeriek weer te geven en daarbij de context en intentie achter de tekst vast te leggen. Je leert hoe deze vaardigheden semantische zoekmachines mogelijk maken, die op basis van betekenis kunnen zoeken, relevantere aanbevelingssystemen en classificatietaken zoals sentimentanalyse kunnen uitvoeren.

Embeddings maken met de OpenAI API

De OpenAI API heeft niet alleen endpoints voor toegang tot de GPT- en Whisper-modellen, maar ook voor modellen waarmee embeddings kunnen worden gemaakt op basis van tekstinvoer. Je maakt embeddings met behulp van de geavanceerde embeddingsmodellen van OpenAI om de semantische betekenis van tekst vast te leggen.

Bouw semantische zoek- en aanbevelingsengines

Traditionele zoekmachines vertrouwden op trefwoordmatching om gebruikers de meest relevante resultaten te tonen, maar modernere technieken gebruiken embeddings, omdat die de semantische betekenis van de tekst kunnen vastleggen. Je leert een semantische zoekmachine te bouwen voor een online retailplatform met behulp van OpenAI's embeddingsmodel, zodat gebruikers gemakkelijker de meest relevante producten kunnen vinden. Je leert ook hoe je een productaanbevelingssysteem maakt, dat is gebaseerd op dezelfde principes als semantische zoekopdrachten.

Maak gebruik van vector databases

AI-toepassingen in productie die afhankelijk zijn van embeddings gebruiken vaak een vectordatabase om de geëncodeerde tekst efficiënter en reproduceerbaarder op te slaan en op te vragen. In deze cursus leer je ChromaDB te gebruiken, een open-source, zelfbeheerde vector database-oplossing, om embeddings op je lokale systeem te maken en op te slaan.