エピソード
肘掛け椅子アーキテクト: LLM とベクター データベース (パート 2)
代入 David Blank-Edelman, Uli Homann, Eric Charran
#AzureEnablementShow のこのエピソードでは、Uli、Eric、David が、プロンプト エンジニアリングを使用するタイミングやデータの微調整の重要性など、ベクター データベースと LLMS に関する議論を続けます。 Uli は、LLM が得意でないことを 2 つ提案し、回避策に関するヒントを提供します。 会話は、ベクトル化の長所と短所のいくつかについて説明します。 これは、2 部構成のシリーズのパート 2 です。
章
- 00:00 - はじめに
- 00:15 - 埋め込みの要約
- 00:39 - 最初にプロンプト エンジニアリングを検討する
- 02:06 - データを微調整する
- 02:58 - 幻覚に関するヘルプ
- 04:49 - LLM と数学
- 04:59 - LLM と構造化データ
- 05:19 - プロンプトにコードを追加する
- 05:52 - パイプライン ベースのプログラミング
- 07:54 - ベクター データベースとベクター インデックス
- 09:00 - ベクター化に到着
- 09:52 - ベクター化だけでは答えではありません
推奨リソース
- Azure AI Search でのベクター検索
- Studio でトレーニング ジョブを送信する
- 人工知能 (AI) アーキテクチャの設計
- AI エンジニアリングの準備
- 生成 AI の基礎
- AI Search の新機能
関連エピソード
#AzureEnablementShow のこのエピソードでは、Uli、Eric、David が、プロンプト エンジニアリングを使用するタイミングやデータの微調整の重要性など、ベクター データベースと LLMS に関する議論を続けます。 Uli は、LLM が得意でないことを 2 つ提案し、回避策に関するヒントを提供します。 会話は、ベクトル化の長所と短所のいくつかについて説明します。 これは、2 部構成のシリーズのパート 2 です。
章
- 00:00 - はじめに
- 00:15 - 埋め込みの要約
- 00:39 - 最初にプロンプト エンジニアリングを検討する
- 02:06 - データを微調整する
- 02:58 - 幻覚に関するヘルプ
- 04:49 - LLM と数学
- 04:59 - LLM と構造化データ
- 05:19 - プロンプトにコードを追加する
- 05:52 - パイプライン ベースのプログラミング
- 07:54 - ベクター データベースとベクター インデックス
- 09:00 - ベクター化に到着
- 09:52 - ベクター化だけでは答えではありません
推奨リソース
- Azure AI Search でのベクター検索
- Studio でトレーニング ジョブを送信する
- 人工知能 (AI) アーキテクチャの設計
- AI エンジニアリングの準備
- 生成 AI の基礎
- AI Search の新機能
関連エピソード
ビデオの URL
HTML iframe
ご意見およびご提案がある場合は、 こちらから問題を送信してください。