Félicitations !

Introduction aux embeddings avec l’API OpenAI

Emmanuel Pire

Senior Software Engineer, DataCamp

Chapitre 1 - Qu'est-ce que les Embeddings ?

 

  • Embeddings : représentation vectorielle/numérique du texte
  • Capturent le sens sémantique du texte
  • Utilisation du modèle d'Embeddings d'OpenAI
  • Possible d'utiliser la distance cosinus pour trouver des textes similaires
  • Ouvre la voie à la recherche sémantique, aux moteurs de recommandation, etc.

 

Un plan de l'espace vectoriel 2D montrant que les avis ayant le même ressenti et le même sujet sont mappés plus près les uns des autres dans l'espace vectoriel.

Introduction aux embeddings avec l’API OpenAI

Chapitre 2 - Embeddings pour les applications d'IA

 

Recherche sémantique et recommandation

Une requête de recherche embarquée dans l'espace vectoriel aux côtés de plusieurs articles embarqués sur différents sujets.

 

Classification

Descriptions de classes embarquées dans l'espace vectoriel, avec un vecteur inconnu étiqueté Tech.

Introduction aux embeddings avec l’API OpenAI

Chapitre 3 - Bases de données vectorielles

Un schéma montrant comment une base de vecteurs, ici Chroma, stocke les embeddings de documents et renvoie des résultats à l'utilisateur à partir d'une requête embarquée.

Introduction aux embeddings avec l’API OpenAI

Et maintenant ?

Bases de données vectorielles cloud gérées

Frameworks pour créer des applications

Introduction aux embeddings avec l’API OpenAI

Passons à la pratique !

Introduction aux embeddings avec l’API OpenAI

Preparing Video For Download...