Gratulacje!

Wprowadzenie do osadzeń z OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

Rozdział 1 – Czym są embeddingi?

Wykres 2D przestrzeni wektorowej pokazujący, że recenzje o podobnym wydźwięku i tematyce są odwzorowane bliżej siebie.

Osadzone zapytanie w przestrzeni wektorowej obok kilku osadzonych artykułów z różnych tematów.

Osadzone opisy klas w przestrzeni wektorowej; nieznany wektor przypisany do etykiety Tech.

Diagram pokazujący, jak wektorowa baza danych (Chroma) przechowuje embeddingi dokumentów i zwraca wyniki na podstawie osadzonego zapytania.

Chmurowe, zarządzane wektorowe bazy danych

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

Frameworki do tworzenia aplikacji

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

Wprowadzenie do osadzeń z OpenAI API