PickAClass · Aplicações de IA (Interdisciplinar) · IA para Jurídico e Conformidade

IA em E-Discovery

Aplique IA e aprendizado de máquina para uma descoberta eletrônica eficiente. Isso inclui revisão de documentos, revisão assistida por tecnologia (TAR) e depuração de dados.

IA em E-Discovery

Introdução ao RAG: Conecte a IA aos seus dados privados

Construindo Sistemas RAG: Conecte a IA aos Seus Documentos Personalizados

Fundamentos de RAG Local: Converse com Seus Próprios Documentos

Construindo Chatbots RAG para Bases de Conhecimento Corporativas

Fundamentos de Avaliação de RAG: Meça a Qualidade de Recuperação com Ragas

RAG com Python: Hybrid Search, Reranking e Rewriting

Fundamentos de RAG: Context Engineering e Reranking

Fine-Tuning de Embeddings e RAG para Semantic Search

Introdução ao RAG para Codebases e Documentação

Fundamentos de Bancos de Dados Vetoriais: Qdrant, Weaviate e pgvector

Construindo Sistemas RAG: Busca, Reranking e Avaliação

ElasticSearch para sistemas de pesquisa e recomendação

NotebookLM Foundations: Analise e sintetize seus próprios dados com IA

Construindo mecanismos de pesquisa: recuperação de informações e mineração de dados

Fundamentos de banco de dados vetorial com Python, Pinecone e ChromaDB

Semantic Kernel SDK: Integrando Plugins de IA em Aplicativos de Negócios

Construindo Pesquisa Semântica com Embeddings OpenAI e Bancos de Dados Vetoriais

Construção de motores de busca e sistemas de recuperação de texto

Guia para Iniciantes em Incorporações e Pesquisa Vetorial

Bancos de dados vetoriais para pesquisa semântica

Geração de Recuperação-Aumentada em Python

Avaliando sistemas de recomendação: métricas e testes offline

Introdução aos bancos de dados vetoriais para aplicações RAG

Bancos de dados vetoriais: Fundamentos da pesquisa semântica e IA