PickAClass · แอปพลิเคชัน AI (สหวิทยาการ) · AI สำหรับกฎหมายและการปฏิบัติตามข้อกำหนด

AI ใน E-Discovery

ประยุกต์ใช้ AI และแมชชีนเลิร์นนิงเพื่อการค้นหาข้อมูลอิเล็กทรอนิกส์อย่างมีประสิทธิภาพ ซึ่งรวมถึงการตรวจสอบเอกสาร, การตรวจสอบโดยใช้เทคโนโลยี (TAR) และการคัดกรองข้อมูล.

48 courses

🔥 ยอดนิยม 🎓 มีใบรับรอง

AI ใน E-Discovery

เริ่มต้นใช้งาน RAG: เชื่อมต่อ AI เข้ากับข้อมูลส่วนตัวของคุณ

การสร้างระบบ RAG: เชื่อมต่อ AI เข้ากับเอกสารเฉพาะของคุณ

พื้นฐานของ Local RAG: แชทกับเอกสารของคุณเอง

การสร้างแชทบอท RAG สำหรับฐานความรู้ของบริษัท

พื้นฐานการประเมิน RAG: วัดผลคุณภาพการดึงข้อมูลด้วย Ragas

RAG กับ Python: Hybrid Search, Reranking, และ Rewriting

Foundations of RAG: Context Engineering และ Reranking

การทำ Fine-Tuning Embeddings และ RAG สำหรับ Semantic Search

บทนำสู่ RAG สำหรับ Codebases และ Documentation

พื้นฐานของ Vector Databases: Qdrant, Weaviate, และ pgvector

การสร้างระบบ RAG: การค้นหา, Reranking และการประเมินผล

ElasticSearch สำหรับระบบค้นหาและแนะนำ

พื้นฐาน NotebookLM: วิเคราะห์และสังเคราะห์ข้อมูลของคุณเองด้วย AI

การสร้างเครื่องมือค้นหา: การดึงข้อมูลและการทำเหมืองข้อมูล

พื้นฐานของ Vector Database ด้วย Python, Pinecone, และ ChromaDB

Semantic Kernel SDK: การผสานรวมปลั๊กอิน AI เข้ากับแอปพลิเคชันทางธุรกิจ

สร้างการค้นหาเชิงความหมายด้วยการฝัง OpenAI และฐานข้อมูลเวกเตอร์

การสร้าง Search Engines และระบบ Text Retrieval

การประเมินระบบแนะนำ: เมตริกและการทดสอบแบบออฟไลน์

บทนำสู่ Vector Databases สำหรับแอปพลิเคชัน RAG

เริ่มต้นใช้งาน Embeddings และ Vector Databases

Notion AI: การจัดโครงสร้างบริบทสำหรับเวิร์กโฟลว์อัจฉริยะ

พื้นฐานการสืบค้นข้อมูลด้วย Amazon Q

การทำ Data normalization ใน Microsoft Sentinel