PickAClass · Applications IA (Interdisciplinaires) · IA pour Juridique et Conformité

IA en E-Discovery

Appliquez l'IA et l'apprentissage automatique pour une découverte électronique efficace. Cela inclut l'examen de documents, la révision assistée par la technologie (TAR) et l'épuration des données.

IA en E-Discovery

Démarrer avec RAG : Connecter l’IA à vos données privées

Construction de systèmes RAG : Connectez l'IA à vos documents personnalisés

Fondations du RAG Local : Discutez avec Vos Propres Documents

Créer des chatbots RAG pour les bases de connaissances d'entreprise

Les bases de l'évaluation RAG : Mesurer la qualité de la récupération avec Ragas

RAG avec Python : Hybrid Search, Reranking et Rewriting

Fondamentaux de RAG : Context Engineering et Reranking

Fine-Tuning d'Embeddings et RAG pour la Recherche Sémantique

Introduction au RAG pour les bases de code et la documentation

Fondamentaux des bases de données vectorielles : Qdrant, Weaviate et pgvector

Construire des systèmes RAG : Recherche, Reranking et Évaluation

ElasticSearch pour les systèmes de recherche et de recommandation

NotebookLM Foundations : Analysez et synthétisez vos propres données avec l'IA

Construction de moteurs de recherche : Recherche d'information et exploration de données

Fondamentaux des bases de données vectorielles avec Python, Pinecone et ChromaDB

Semantic Kernel SDK : Intégrer des plugins d'IA dans les applications d'entreprise

Créer une recherche sémantique avec des bases de données vectorielles et des intégrations OpenAI

Construction de moteurs de recherche et de systèmes de récupération de texte

Guide pour Débutants sur les Embeddings et la Recherche Vectorielle

Bases de données vectorielles pour la recherche sémantique

Génération Augmentée par Récupération en Python

Évaluation des systèmes de recommandation : métriques et tests hors ligne

Introduction aux bases de données vectorielles pour les applications RAG

Bases de données vectorielles : Fondements de la recherche sémantique et de l'IA