WalkSelf · Приложения ИИ (Междисциплинарные) · ИИ для Юриспруденции и Комплаенса

ИИ в E-Discovery

Применяйте ИИ и машинное обучение для эффективного электронного обнаружения информации. Это включает проверку документов, технологически-ассистированный обзор (TAR) и отбор данных.

27 courses

ИИ в E-Discovery

Начало работы с RAG: подключение AI к вашим личным данным

Создание RAG-систем: Подключение ИИ к вашим пользовательским документам

Основы локального RAG: Общайтесь со своими собственными документами

Создание RAG-чат-ботов для баз знаний компании

Основы оценки RAG: Измерение качества поиска с помощью Ragas

RAG с Python: Hybrid Search, Reranking и Rewriting

Основы RAG: Context Engineering и Reranking

Fine-Tuning эмбеддингов и RAG для семантического поиска

Введение в RAG для кодовых баз и документации

Основы векторных баз данных: Qdrant, Weaviate и pgvector

Создание RAG-систем: поиск, переранжирование и оценка

ElasticSearch для систем поиска и рекомендаций

NotebookLM Foundations: Анализ и синтез собственных данных с помощью искусственного интеллекта

Создание поисковых систем: поиск информации и анализ данных

Основы векторных баз данных с Python, Pinecone и ChromaDB

Semantic Kernel SDK: интеграция плагинов ИИ в бизнес-приложения

Создание семантического поиска с помощью встраиваемых компонентов OpenAI и векторных баз данных

Создание поисковых систем и систем поиска текста

Оценка систем рекомендаций: метрика и оффлайн-тестирование

Введение в векторные базы данных для приложений RAG

Векторные базы данных: основы семантического поиска и искусственного интеллекта

Начало работы со встраиваемыми и векторными базами данных

Создание персональной базы знаний с помощью Obsidian и Claude Code

Начните пользоваться Gemini на Google Диске