Selamat!

Pengantar Embeddings dengan OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

Bab 1 - Apa itu Embedding?

Embedding: representasi vektor/numerik dari teks
Menangkap makna semantik teks
Menggunakan model Embedding OpenAI
Dapat memakai cosine distance untuk mencari teks serupa
Memungkinkan pencarian semantik, sistem rekomendasi, dll.

Plot ruang vektor 2D yang menunjukkan ulasan dengan sentimen dan topik sama dipetakan lebih berdekatan dalam ruang vektor.

Bab 2 - Embedding untuk Aplikasi AI

Pencarian semantik dan rekomendasi

Kueri pencarian yang di-embed dalam ruang vektor berdampingan dengan beberapa artikel yang di-embed pada berbagai topik.

Klasifikasi

Deskripsi kelas yang di-embed dalam ruang vektor, dengan sebuah vektor tidak dikenal diberi label Tech.

Bab 3 - Database Vektor

Diagram yang menunjukkan bagaimana database vektor, Chroma dalam hal ini, menyimpan embedding dokumen dan mengembalikan hasil berdasarkan kueri yang di-embed kembali ke pengguna.

Langkah selanjutnya?

Database vektor terkelola berbasis cloud

Pinecone:
- Semantic Search with Pinecone (Code-along)
Weaviate:
- Vector Databases for Data Science with Weaviate in Python (Code-along)

Framework untuk membangun aplikasi

LangChain:
- How to Build LLM Applications with LangChain (Tutorial)
- Introduction to Large Language Models with GPT & LangChain (Code-along)

Ayo berlatih!

Pengantar Embeddings dengan OpenAI API