Вступ до Embeddings з OpenAI API

Створюйте потужні AI-застосунки

Вбудовування дозволяють нам чисельно представляти текст, передаючи контекст і намір, що стоять за текстом. Ви дізнаєтеся, як ці можливості можуть забезпечувати семантичні пошукові системи, які здійснюють пошук за змістом, більш релевантні системи рекомендацій і виконувати завдання класифікації, як-от аналіз тональності.

Створюйте ембеддинги за допомогою API OpenAI

API OpenAI має не лише кінцеві точки для доступу до своїх моделей GPT і Whisper, а й до моделей для створення ембеддингів із текстових вхідних даних. Ви створите ембедінги за допомогою найсучасніших моделей ембедінгів OpenAI, щоб передати семантичний зміст тексту.

Створіть семантичний пошук і рекомендальні системи

Традиційні пошукові системи покладалися на зіставлення ключових слів, щоб повертати користувачам найрелевантніші результати, але сучасніші методи використовують ембеддинги, оскільки вони можуть передавати семантичне значення тексту. Ви навчитеся створювати семантичну пошукову систему для онлайн-ритейл-платформи за допомогою моделі embeddings від OpenAI, щоб користувачам було простіше знаходити найрелевантніші товари. Ви також дізнаєтеся, як створити систему рекомендацій продуктів, яка побудована на тих самих принципах, що й семантичний пошук.

Використовуйте векторні бази даних

ШІ-застосунки у продакшені, що покладаються на ембедінги, часто використовують векторну базу даних для зберігання та запиту до вбудованого тексту більш ефективним і відтворюваним способом. У цьому курсі ви навчитеся використовувати ChromaDB — рішення з відкритим кодом для самостійного керування векторною базою даних — щоб створювати та зберігати embeddings у вашій локальній системі.