WalkSelf · KI-Anwendungen (Interdisziplinär) · KI für Recht & Compliance

KI in E-Discovery

Wenden Sie KI und maschinelles Lernen für eine effiziente elektronische Beweismittelfindung an. Dies umfasst die Dokumentenprüfung, technologiegestützte Überprüfung (TAR) und Datenbereinigung.

KI in E-Discovery

Erste Schritte mit RAG: Verbinden Sie KI mit Ihren privaten Daten

Aufbau von RAG-Systemen: KI mit Ihren benutzerdefinierten Dokumenten verbinden

Grundlagen von lokalem RAG: Chatten mit Ihren eigenen Dokumenten

Entwicklung von RAG-Chatbots für Unternehmens-Wissensdatenbanken

RAG Evaluation Basics: Messen Sie die Retrieval-Qualität mit Ragas

RAG mit Python: Hybrid Search, Reranking und Rewriting

Grundlagen von RAG: Kontext-Engineering und Reranking

Fine-Tuning von Embeddings und RAG für Semantic Search

Einführung in RAG für Codebases und Dokumentationen

Grundlagen der Vektordatenbanken: Qdrant, Weaviate und pgvector

Aufbau von RAG-Systemen: Suche, Reranking und Evaluierung

ElasticSearch für Such- und Empfehlungssysteme

NotebookLM Foundations: Analysieren und Synthetisieren eigener Daten mit KI

Suchmaschinen bauen: Information Retrieval und Data Mining

Vektordatenbank-Grundlagen mit Python, Pinecone und ChromaDB

Semantic Kernel SDK: KI-Plugins in Unternehmensanwendungen integrieren

Erstellen einer semantischen Suche mit OpenAI-Embeddings und Vektordatenbanken

Aufbau von Suchmaschinen und Text Retrieval Systemen

Empfehlungssysteme bewerten: Metriken und Offline-Tests

Einführung in Vektordatenbanken für RAG-Anwendungen

Vektordatenbanken: Grundlagen der semantischen Suche und KI

Erste Schritte mit Embeddings und Vektordatenbanken

Aufbau einer persönlichen Wissensdatenbank mit Obsidian und Claude Code

Erste Schritte mit Gemini in Google Drive