Introdução aos embeddings com o OpenAI API
Desbloqueie aplicações avançadas de IA com o modelo de embeddings da OpenAI!
Comece O Curso Gratuitamente3 horas11 vídeos37 exercícios5.796 aprendizesDeclaração de Realização
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.Treinar 2 ou mais pessoas?
Tentar DataCamp for BusinessAmado por alunos de milhares de empresas
Descrição do Curso
Habilite aplicativos avançados de IA
Os embeddings nos permitem representar o texto numericamente, capturando o contexto e a intenção por trás do texto. Você aprenderá como essas habilidades podem permitir mecanismos de pesquisa semântica, que podem pesquisar com base no significado, mecanismos de recomendação mais relevantes e executar tarefas de classificação, como análise de sentimentos.Criar embeddings usando a API OpenAI
A API da OpenAI não só tem pontos de extremidade para acessar seus modelos GPT e Whisper, mas também para modelos de criação de embeddings a partir de entradas de texto. Você criará embeddings usando os modelos de embeddings de última geração da OpenAI para capturar o significado semântico do texto.Crie mecanismos de recomendação e pesquisa semântica
Os mecanismos de pesquisa tradicionais dependiam da correspondência de palavras-chave para retornar os resultados mais relevantes aos usuários, mas as técnicas mais modernas usam embeddings, pois podem capturar o significado semântico do texto. Você aprenderá a criar um mecanismo de pesquisa semântica para uma plataforma de varejo on-line usando o modelo de incorporação da OpenAI, para que os usuários possam encontrar mais facilmente os produtos mais relevantes. Você também aprenderá a criar um sistema de recomendação de produtos, que se baseia nos mesmos princípios da pesquisa semântica.Utilizar bancos de dados vetoriais
Os aplicativos de IA em produção que dependem de embeddings geralmente usam um banco de dados vetorial para armazenar e consultar o texto embutido de forma mais eficiente e reproduzível. Neste curso, você aprenderá a usar o ChromaDB, uma solução de banco de dados vetorial de código aberto e autogerenciada, para criar e armazenar embeddings em seu sistema local.Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
Engenheiro associado de IA para desenvolvedores
Ir para a trilhaDesenvolvimento de aplicativos de IA
Ir para a trilhaFundamentos da OpenAI
Ir para a trilha- 1
O que são Embeddings?
GratuitoDescubra como os modelos de embeddings potencializam muitos dos aplicativos de IA mais interessantes. Aprenda a usar o OpenAI API para criar embeddings e calcular a similaridade semântica entre textos.
O maravilhoso mundo dos embeddings!50 xpO que são embeddings?50 xpAplicativos de incorporação100 xpCriação de incorporações100 xpAnalisando a resposta dos embeddings100 xpInvestigando o espaço vetorial50 xpIncorporação de descrições de produtos100 xpVisualizando as descrições incorporadas100 xpSimilaridade de texto50 xpCálculo de distâncias de cosseno50 xpMais incorporações repetíveis100 xpEncontrar o produto mais semelhante100 xp - 2
Embeddings para aplicativos de IA
Os Embeddings possibilitam aplicativos avançados de IA, incluindo mecanismos de pesquisa semântica, mecanismos de recomendação e tarefas de classificação, como análise de sentimentos. Saiba como usar o modelo de incorporação da OpenAI para habilitar esses aplicativos interessantes!
Pesquisa semântica e incorporações enriquecidas50 xpEnriquecimento de embeddings100 xpClassificação por similaridade100 xpPesquisa semântica de produtos100 xpSistemas de recomendação50 xpSistema de recomendação de produtos100 xpAdição do histórico do usuário ao mecanismo de recomendação100 xpEmbeddings para tarefas de classificação50 xpIncorporação de avaliações de restaurantes100 xpClassificação do sentimento da avaliação100 xpIncorporação de descrições mais detalhadas100 xp - 3
Bancos de dados vetoriais
Para permitir a incorporação de aplicativos na produção, você precisará de uma solução eficiente de armazenamento e consulta de vetores: os bancos de dados vetoriais! Você aprenderá como os bancos de dados vetoriais podem ajudar a dimensionar os aplicativos de incorporação e começará a criar e adicionar aos seus próprios bancos de dados vetoriais usando o Chroma.
Bancos de dados vetoriais para sistemas de incorporação50 xpPara metadados ou não para metadados?100 xpEscolha de uma solução de banco de dados vetorial50 xpCriando bancos de dados vetoriais com o ChromaDB50 xpComo começar a usar o ChromaDB100 xpEstimativa de custos de incorporação com tiktoken100 xpAdicionar dados à coleção100 xpConsultar e atualizar o banco de dados50 xpConsultando a coleção da Netflix100 xpAtualização e exclusão de itens de uma coleção100 xpVárias consultas e filtragem50 xpConsulta com vários textos100 xpFiltragem usando metadados100 xpParabéns!50 xp
Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
Engenheiro associado de IA para desenvolvedores
Ir para a trilhaDesenvolvimento de aplicativos de IA
Ir para a trilhaFundamentos da OpenAI
Ir para a trilhacolaboradores
Áudio Gravado por
Emmanuel Pire
Ver MaisSenior Software Engineer, DataCamp
James Chapman
Ver MaisCurriculum Manager, DataCamp
O que os outros alunos têm a dizer?
Junte-se a mais de 15 milhões de alunos e comece Introdução aos embeddings com o OpenAI API hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.