Cursus
Introductie tot Embeddings met de OpenAI API
GemiddeldVaardigheidsniveau
Bijgewerkt 03-2026
OpenAIArtificial Intelligence3 u11 videos37 Opdrachten3,000 XP20,993Bewijs van Prestatie
Maak je kosteloos account aan
Ga verder met GoogleMeer opties weergevenof
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.
Geliefd bij leerlingen van duizenden bedrijven
Een team trainen?
Probeer voor bedrijvenCursusbeschrijving
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.Vereisten
Working with the OpenAI APIPython Toolbox1
Wat zijn embeddings?
Ontdek hoe embedding-modellen veel van de meest spannende AI-toepassingen aandrijven. Leer de OpenAI API gebruiken om embeddings te maken en de semantische gelijkenis tussen tekst te berekenen.
2
Embeddings voor AI-toepassingen
Embeddings maken krachtige AI-toepassingen mogelijk, waaronder semantische zoekmachines, aanbevelingssystemen en classificatietaken zoals sentimentanalyse. Leer hoe je OpenAI’s embeddings-model gebruikt om deze spannende toepassingen te realiseren!
3
Vector-databases
Om embedding-toepassingen in productie te draaien, heb je een efficiënte oplossing nodig voor vectoropslag en -queries: enter vector-databases! Je leert hoe vector-databases helpen om embedding-toepassingen op te schalen en je begint met het maken en uitbreiden van je eigen vector-databases met Chroma.
Introductie tot Embeddings met de OpenAI API
Cursus voltooid
Verdien een prestatieverklaring
Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitaeDeel het op sociale media en in je functioneringsgesprekSchrijf je nu in
Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Introductie tot Embeddings met de OpenAI API!
Maak je kosteloos account aan
Ga verder met GoogleMeer opties weergevenof
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.
Ontwikkel je datavaardigheden met DataCamp voor Mobiel
Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.