Zawsze traktowałem modele embeddingów jak czarną skrzynkę, a ten kurs naprawdę je odczarował. Nauczyłem się nie tylko korzystać z gotowych modeli, ale też je dostrajać pod własną domenę, co znacząco poprawiło trafność wyszukiwania. Część o ewaluacji embeddingów była dla mnie odkryciem, bo wcześniej nie wiedziałem, jak mierzyć ich jakość. Połączenie tego z RAG pokazało, jak zbudować kompletny system, który faktycznie zwraca sensowne wyniki. Wszystko podane praktycznie, z kodem, który od razu przetestowałem na swoich danych. Semantyczne wyszukiwanie w moim projekcie działa teraz znacznie lepiej. Zdecydowanie polecam.
การทำ Fine-Tuning Embeddings และ RAG สำหรับ Semantic Search
สร้างแอปพลิเคชัน AI สมัยใหม่โดยการเรียนรู้วิธีการฝึกฝน (train), ประเมินผล (evaluate) และปรับแต่ง (fine-tune) โมเดล embedding พร้อมกับนำเทคนิค Retrieval-Augmented Generation มาใช้งาน
-
💬
ผู้สอน AI
ถามเกี่ยวกับบทเรียนใดก็ได้ แล้วรับคำตอบที่ชัดเจนทันที ทุกเมื่อ -
🕐
เริ่มเมื่อไรก็ได้
ไม่มีตารางหรือเดดไลน์ — เรียนตามจังหวะของคุณ เมื่อไรก็ได้ -
🌐
เป็นภาษาไทย
บทเรียน แบบฝึกหัด และใบรับรอง — ทั้งหมดเป็นภาษาของคุณอย่างครบถ้วน
เกี่ยวกับคอร์สนี้
เมื่อแอปพลิเคชัน AI มีความซับซ้อนมากขึ้น ความสามารถในการดึงข้อมูลและประมวลผลข้อมูลอย่างแม่นยำจึงเป็นทักษะที่ต้องการอย่างมาก Semantic search พึ่งพา embeddings คุณภาพสูงอย่างมากเพื่อทำความเข้าใจความหมายและบริบทที่แท้จริงของข้อความ
หลักสูตรแบบการอ่านนี้จะนำคุณไปสู่แนวคิดพื้นฐานของโมเดล embedding โดยแสดงให้คุณเห็นถึงวิธีการปรับแต่งโมเดลเหล่านั้นสำหรับข้อมูลเฉพาะของคุณ คุณจะได้สำรวจเวิร์กโฟลว์ทั้งหมดของการปรับปรุงความแม่นยำในการค้นหา ตั้งแต่การแสดงแทนข้อความพื้นฐานไปจนถึงไปป์ไลน์ Retrieval-Augmented Generation (RAG) สมัยใหม่
สิ่งที่คุณจะได้เรียนรู้:
- เข้าใจกลไกพื้นฐานของ text embeddings และการแสดงแทนด้วย vector
- เรียนรู้เทคนิคการทำ fine-tuning โมเดล embedding ที่ผ่านการฝึกฝนมาแล้ว (pre-trained) บนชุดข้อมูลที่กำหนดเอง
- ประยุกต์ใช้รูปแบบ Retrieval-Augmented Generation (RAG) เพื่อสร้างเครื่องมือ AI ที่รับรู้บริบท
- ประเมินประสิทธิภาพของโมเดลโดยใช้มาตรวัดมาตรฐานสำหรับความคล้ายคลึงกันทางความหมาย (semantic similarity)
- ฝึกฝนการรวมฐานข้อมูล vector สมัยใหม่เพื่อจัดเก็บและสืบค้นข้อมูลของคุณอย่างมีประสิทธิภาพ
- กำหนดค่าแนวทางปฏิบัติพื้นฐานของ MLOps สำหรับการจัดการโมเดลที่ผ่านการ fine-tuned ของคุณ
เนื้อหาเริ่มต้นด้วยการกำหนดคำศัพท์หลักและคำจำกัดความพื้นฐานก่อนที่จะก้าวไปสู่การนำไปใช้งานจริง ผ่านคำอธิบายที่เป็นลายลักษณ์อักษรและตัวอย่างโค้ดที่ชัดเจน คุณจะได้สำรวจว่าระบบเหล่านี้โต้ตอบและทำงานอย่างไรในสถานการณ์จริง
ออกแบบมาสำหรับผู้เริ่มต้นและนักพัฒนา AI ที่มีความมุ่งมั่น โปรแกรมนี้ไม่จำเป็นต้องมีประสบการณ์ด้าน machine learning มาก่อนเพื่อเริ่มต้น
เริ่มอ่านวันนี้เพื่อสร้างทักษะของคุณในด้าน semantic search และการพัฒนา AI สมัยใหม่
สิ่งที่คุณจะได้รับ
-
📜
ใบประกาศนียบัตร
เพิ่มในโปรไฟล์ LinkedIn ของคุณ -
💬
ติวเตอร์ AI ส่วนตัว
ติดขัดในบทเรียน? ถามติวเตอร์ในตัวของคุณได้ทุกอย่าง ทุกเวลา -
♾️
เข้าถึงตลอดชีพ
กลับมาเรียนได้ตลอด ไม่มีหมดอายุ -
📱
โทรศัพท์หรือคอมพิวเตอร์
ใช้งานได้ทุกที่ ทุกอุปกรณ์ -
💸
คืนเงิน 14 วัน
ไม่ต้องอธิบาย -
⚡
กระชับและตรงประเด็น
3 ชม. เนื้อหาเชิงปฏิบัติ
รีวิว (12)
Bagian fine-tuning embedding-nya sangat membantu untuk kasus pencarian di domain spesifik saya, meski penjelasan soal reranking agak terlalu cepat.
Mejoró muchísimo mi sistema de búsqueda semántica.
No tenía ni idea de cómo entrenar embeddings propios hasta este curso, y ahora entiendo por qué mi sistema de búsqueda semántica daba resultados tan mediocres antes. La parte de evaluación con métricas de recall me ayudó a comparar de forma objetiva el modelo base contra el fine-tuneado. Lo apliqué en un buscador interno de documentos y la diferencia se nota de inmediato.
I went into this course thinking I already understood embeddings, and quickly realized how much I was missing. The walkthrough of fine-tuning an embedding model on domain-specific pairs made a real difference in my search results at work, queries that used to return irrelevant chunks now actually match intent. What stood out most was the evaluation section, showing how to measure retrieval quality before and after fine-tuning instead of just eyeballing results. The RAG pipeline build at the end tied everything together nicely, from chunking strategy to reranking. It's rare to find a course that goes this deep into the evaluation side rather than just the flashy demo part.
El módulo de RAG explica de forma clara cómo combinar chunking y reranking para mejorar resultados de búsqueda semántica.
यह कोर्स embeddings को fine-tune करने का तरीका बहुत ही व्यवहारिक ढंग से समझाता है, जो मुझे कहीं और नहीं मिला। मैंने अपने ऑफिस के सर्च सिस्टम पर RAG pipeline लागू किया और नतीजे पहले से कहीं ज्यादा सटीक आए। खासकर evaluation वाला हिस्सा बहुत काम का लगा क्योंकि सिर्फ थ्योरी नहीं बल्कि असली डेटा पर टेस्टिंग दिखाई गई है।
The RAG pipeline sections are excellent and practical, but the embedding math portion could use a slower walkthrough for beginners.
L'approche pour évaluer la qualité de récupération avant et après le fine-tuning des embeddings est exactement ce qui manquait à mes projets RAG.
Real depth on fine-tuning embeddings, not fluff.
Раздел про дообучение эмбеддингов на своих данных реально помог поднять точность поиска в моём RAG-проекте.
O curso explica bem como treinar embeddings personalizados e por que isso melhora a busca semântica em comparação com modelos genéricos. Apliquei o pipeline de RAG em um protótipo interno e os resultados de recuperação ficaram bem mais relevantes. A única coisa é que a parte de avaliação de métricas poderia ter mais exemplos práticos.
ผู้เรียนคนอื่นเรียน
🔥 ยอดนิยม
🎓 มีใบรับรอง
Generative AI สำหรับช่างสัก: การออกแบบและการจัดวางตำแหน่ง
ใบรับรอง
ลงมือทำ
฿539
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
AI Voice Cloning: สร้างเสียงดิจิทัลส่วนตัวของคุณ
ใบรับรอง
ลงมือทำ
฿539
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
AI สำหรับครูสอน ESL: บทเรียน, ข้อความ และข้อสอบ
ใบรับรอง
ลงมือทำ
฿539
→
🔥 ยอดนิยม
🎓 มีใบรับรอง
พื้นฐานของ LLMOps: การ Deploy, Version และ Monitor LLMs
ใบรับรอง
ลงมือทำ
฿539
→
คำถามที่พบบ่อย
ฉันต้องใช้อะไรในการเรียนคอร์สนี้? +
แค่โทรศัพท์หรือคอมพิวเตอร์ที่มีอินเทอร์เน็ต ไม่ต้องติดตั้งหรือใช้อุปกรณ์พิเศษ
ฉันชำระเงินอย่างไร? +
ผ่านบัตรด้วย Stripe เราไม่เก็บข้อมูลบัตร — Stripe จัดการอย่างปลอดภัย
ฉันขอคืนเงินได้ไหม? +
ใช่ — คืนเงินเต็มจำนวนใน 14 วัน ไม่ต้องอธิบาย
ฉันมีสิทธิ์เข้าถึงนานเท่าไร? +
ตลอดไป เมื่อซื้อแล้วคอร์สเป็นของคุณ กลับมาเรียนได้ตลอด
ฉันจะได้ใบประกาศนียบัตรไหม? +
ได้ เมื่อเรียนจบจะได้รับใบประกาศนียบัตรที่เพิ่มในโปรไฟล์ LinkedIn ได้
ออกแบบสำหรับผู้เรียนใน
เทคโนโลยี
ดีไซน์
การเงิน
การตลาด
สาธารณสุข
การศึกษา
ธุรกิจการบริการ
อุตสาหกรรม