ยินดีด้วย!

การสร้าง Embeddings ด้วย OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

บทที่ 1 - Embeddings คืออะไร?

กราฟแสดง vector space 2 มิติ โดยรีวิวที่มี sentiment และหัวข้อเดียวกันจะอยู่ใกล้กันในพื้นที่เวกเตอร์

คำค้นหาที่ถูก embed ใน vector space พร้อมกับบทความหลายหัวข้อที่ถูก embed ไว้ด้วยกัน

คำอธิบายคลาสที่ถูก embed ใน vector space โดยเวกเตอร์ที่ไม่รู้จักถูกกำหนดให้อยู่ในกลุ่ม Tech

ไดอะแกรมแสดงการใช้ vector database (Chroma) เพื่อจัดเก็บ document embeddings และส่งคืนผลลัพธ์จากคำค้นหาที่ถูก embed กลับมายังผู้ใช้

Vector database แบบ cloud-based ที่มีการจัดการ

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

เฟรมเวิร์กสำหรับสร้างแอปพลิเคชัน

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

การสร้าง Embeddings ด้วย OpenAI API