คอร์ส
Introduction to Embeddings with the OpenAI API
ระดับกลางระดับทักษะ
อัปเดตแล้ว 03/2569
OpenAIArtificial Intelligence3 ชม.11 วิดีโอ37 แบบฝึกหัด3,000 XP20,482ใบรับรองความสำเร็จ
สร้างบัญชีฟรีของคุณ
ดำเนินการต่อด้วย Googleแสดงตัวเลือกเพิ่มเติมหรือ
เมื่อดำเนินการต่อ คุณยอมรับ ข้อกำหนดการใช้งาน ของเรา นโยบายความเป็นส่วนตัว ของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา
เป็นที่รักของผู้เรียนในบริษัทหลายพันแห่ง
กำลังฝึกอบรมทีม?
ลองใช้สำหรับธุรกิจคำอธิบายคอร์ส
Enable Powerful AI Applications
Embeddings allow us to represent text numerically, capturing the context and intent behind the text. You'll learn about how these abilities can enable semantic search engines, that can search based on meaning, more relevant recommendation engines, and perform classification tasks like sentiment analysis.Create Embeddings Using the OpenAI API
The OpenAI API not only has endpoints for accessing its GPT and Whisper models, but also for models for creating embeddings from text inputs. You'll create embeddings using OpenAI's state-of-the-art embeddings models to capture the semantic meaning of text.Build Semantic Search and Recommendation Engines
Traditional search engines relied on keyword matching to return the most relevant results to users, but more modern techniques use embeddings, as they can capture the semantic meaning of the text. You'll learn to create a semantic search engine for a online retail platform using OpenAI's embeddings model, so users can more easily find the most relevant products. You'll also learn how to create a product recommendation system, which are built on the same principles as semantic search.Utilize Vector Databases
AI applications in production that rely on embeddings often use a vector database to store and query the embedded text in a more efficient and reproducible way. In this course, you’ll learn to use ChromaDB, an open-source, self-managed vector database solution, to create and store embeddings on your local system.ข้อกำหนดเบื้องต้น
Working with the OpenAI APIPython Toolbox1
What are Embeddings?
Discover how embeddings models power many of the most exciting AI applications. Learn to use the OpenAI API to create embeddings and compute the semantic similarity between text.
2
Embeddings for AI Applications
Embeddings enable powerful AI applications, including semantic search engines, recommendation engines, and classification tasks like sentiment analysis. Learn how to use OpenAI's embeddings model to enable these exciting applications!
3
Vector Databases
To enable embedding applications in production, you'll need an efficient vector storage and querying solution: enter vector databases! You'll learn how vector databases can help scale embedding applications and begin creating and adding to your very own vector databases using Chroma.
Introduction to Embeddings with the OpenAI API
คอร์สเสร็จสมบูรณ์ รับใบรับรองความสำเร็จ
เพิ่มใบรับรองนี้ไปยังโปรไฟล์ LinkedIn เรซูเม่ หรือ CV ของคุณแชร์บน social media และในการรีวิวผลการปฏิบัติงานของคุณลงทะเบียนทันที
ร่วมกับผู้เรียนกว่า 19 ล้านคนและเริ่มต้น Introduction to Embeddings with the OpenAI API วันนี้!
สร้างบัญชีฟรีของคุณ
ดำเนินการต่อด้วย Googleแสดงตัวเลือกเพิ่มเติมหรือ
เมื่อดำเนินการต่อ คุณยอมรับ ข้อกำหนดการใช้งาน ของเรา นโยบายความเป็นส่วนตัว ของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา
พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile
พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา