Build your ultimate AI agent
รายละเอียดคอร์ส
เปิดใช้งานแอปพลิเคชัน AI อันทรงพลัง
การฝังเวกเตอร์ช่วยให้เราสามารถแทนข้อความในรูปแบบตัวเลข โดยจับบริบทและเจตนาที่อยู่เบื้องหลังข้อความได้ คุณจะได้เรียนรู้ว่า ความสามารถเหล่านี้สามารถช่วยให้เครื่องมือค้นหาเชิงความหมาย ซึ่งค้นหาตามความหมาย เครื่องมือแนะนำที่เกี่ยวข้องมากขึ้น และการทำงานด้านการจำแนกประเภท เช่น การวิเคราะห์ความรู้สึก ได้อย่างไรสร้าง Embeddings ด้วย OpenAI API
OpenAI API ไม่ได้มีเพียง endpoint สำหรับเข้าถึงโมเดล GPT และ Whisper เท่านั้น แต่ยังมีโมเดลสำหรับสร้าง embeddings จากข้อมูลนำเข้าที่เป็นข้อความอีกด้วย คุณจะสร้าง embeddings โดยใช้โมเดล embeddings ล้ำสมัยของ OpenAI เพื่อจับความหมายเชิงความหมายของข้อความสร้างระบบค้นหาเชิงความหมายและระบบแนะนำ
เครื่องมือค้นหาแบบดั้งเดิมอาศัยการจับคู่คีย์เวิร์ดเพื่อแสดงผลลัพธ์ที่เกี่ยวข้องที่สุดแก่ผู้ใช้ แต่เทคนิคที่ทันสมัยกว่าจะใช้ embeddings เพราะสามารถจับความหมายเชิงความหมายของข้อความได้ คุณจะได้เรียนรู้วิธีสร้างเครื่องมือค้นหาเชิงความหมายสำหรับแพลตฟอร์มค้าปลีกออนไลน์โดยใช้โมเดล embeddings ของ OpenAI เพื่อให้ผู้ใช้ค้นหาสินค้าที่เกี่ยวข้องที่สุดได้ง่ายขึ้น คุณจะได้เรียนรู้วิธีสร้างระบบแนะนำสินค้า ซึ่งสร้างขึ้นบนหลักการเดียวกับการค้นหาเชิงความหมายใช้ฐานข้อมูลเวกเตอร์
แอปพลิเคชัน AI ในสภาพแวดล้อมการใช้งานจริงที่อาศัย embeddings มักใช้ฐานข้อมูลเวกเตอร์เพื่อจัดเก็บและสืบค้นข้อความที่ถูกฝังไว้ได้อย่างมีประสิทธิภาพและทำซ้ำได้มากขึ้น ในหลักสูตรนี้ คุณจะได้เรียนรู้การใช้ ChromaDB ซึ่งเป็นโซลูชันฐานข้อมูลเวกเตอร์แบบโอเพนซอร์สที่จัดการเองได้ เพื่อสร้างและจัดเก็บ embeddings บนระบบโลคัลของคุณข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
Embeddings คืออะไร?
เรียนรู้ว่า Embedding Model ขับเคลื่อนแอปพลิเคชัน AI ที่น่าสนใจที่สุดได้อย่างไร พร้อมฝึกใช้ OpenAI API เพื่อสร้าง Embeddings และคำนวณความคล้ายคลึงเชิงความหมายระหว่างข้อความ
- โลกของ Embeddings ที่น่าทึ่ง!50 XP
- เอ็มเบดดิ้งคืออะไร?50 XP
- การประยุกต์ใช้ Embeddings100 XP
- การสร้าง Embeddings100 XP
- เจาะลึกการตอบกลับของ Embeddings100 XP
- สำรวจปริภูมิเวกเตอร์50 XP
- การสร้าง Embedding จากคำอธิบายสินค้า100 XP
- แสดงภาพ Embedding ของคำอธิบายสินค้า100 XP
- ความคล้ายคลึงของข้อความ50 XP
- การคำนวณ Cosine Distance50 XP
- การสร้าง embedding ที่นำกลับมาใช้ซ้ำได้100 XP
- ค้นหาสินค้าที่คล้ายกันมากที่สุด100 XP
2
Embeddings สำหรับแอปพลิเคชัน AI
Embeddings เปิดใช้งานแอปพลิเคชัน AI ที่ทรงพลัง ทั้งระบบค้นหาเชิงความหมาย ระบบแนะนำ และงานจำแนกประเภท เช่น การวิเคราะห์ความรู้สึก มาเรียนรู้วิธีใช้โมเดล Embeddings ของ OpenAI เพื่อเปิดใช้งานแอปพลิเคชันเหล่านี้กัน
3
Vector Databases
เพื่อนำแอปพลิเคชัน Embedding ไปใช้งานจริงใน Production จะต้องมีระบบจัดเก็บและค้นหา Vector ที่มีประสิทธิภาพ นั่นคือ Vector Database คุณจะได้เรียนรู้ว่า Vector Database ช่วยขยายขนาดแอปพลิเคชัน Embedding ได้อย่างไร และเริ่มสร้างและเพิ่มข้อมูลใน Vector Database ของตัวเองด้วย Chroma
การสร้าง Embeddings ด้วย OpenAI API
เรียนจบแล้ว
