WalkSelf · Zastosowania AI (Interdyscyplinarne) · AI dla Prawa i Zgodności

AI w E-Discovery

Zastosuj AI i uczenie maszynowe do efektywnego odkrywania elektronicznego. Obejmuje to przegląd dokumentów, przegląd wspomagany technologią (TAR) i selekcję danych.

AI w E-Discovery

Pierwsze kroki z RAG: połączenie sztucznej inteligencji z danymi prywatnymi

Budowanie systemów RAG: Połącz AI z Twoimi niestandardowymi dokumentami

Podstawy lokalnego RAG: Czatuj z własnymi dokumentami

Budowanie chatbotów RAG dla firmowych baz wiedzy

Podstawy ewaluacji RAG: Mierz jakość wyszukiwania z Ragas

RAG z Python: Hybrid Search, Reranking i Rewriting

Podstawy RAG: Inżynieria Kontekstu i Reranking

Fine-Tuning Embeddings i RAG dla Semantic Search

Wprowadzenie do RAG dla baz kodu i dokumentacji

Podstawy baz danych wektorowych: Qdrant, Weaviate i pgvector

Budowanie systemów RAG: Wyszukiwanie, Reranking i Ewaluacja

ElasticSearch dla systemów wyszukiwania i rekomendacji

NotebookLM Foundations: Analizuj i syntetyzuj własne dane za pomocą sztucznej inteligencji

Budowa wyszukiwarek: wyszukiwanie informacji i eksploracja danych

Podstawy bazy danych wektorowych z Pythonem, Pinecone i ChromaDB

Semantic Kernel SDK: Integracja wtyczek AI z aplikacjami biznesowymi

Budowanie wyszukiwania semantycznego z osadzaniem OpenAI i bazami danych wektorowych

Budowa wyszukiwarek i systemów wyszukiwania tekstu

Ocena systemów rekomendacji: wskaźniki i testy offline

Wprowadzenie do wektorowych baz danych dla aplikacji RAG

Wektor bazy danych: Podstawy wyszukiwania semantycznego i AI

Pierwsze kroki z osadzania i wektorowych baz danych

Budowanie osobistej bazy wiedzy z Obsidian i Claude Code

Pierwsze kroki z Gemini w Dysku Google