إنتقل إلى المحتوى الرئيسي

الوحدة 3 - تعميق Embeddings

نظرة عامة​

الـ embeddings هي قلب البحث الدلالي في RAG. تستكشف هذه الوحدة ما هي embeddings، وكيف تعمل، وكيف تختار نموذج embedding المناسب لحالتك.

أهداف التعلّم​

بنهاية هذه الوحدة، ستكون قادرًا على:

  • فهم ما هي embeddings وكيف تمثّل المعنى
  • مقارنة نماذج embedding مختلفة (OpenAI، Cohere، المصدر المفتوح)
  • استخدام معايير MTEB لتقييم النماذج
  • اختيار النموذج المناسب بناءً على التكلفة والأداء والمتطلبات

محتوى الوحدة​

1. ما هي Embeddings؟​

  • التمثيلات المتجهية للنص
  • المعنى الدلالي في فضاء المتجهات
  • مقاييس التشابه (cosine، euclidean)
  • أبعاد الـ embedding

2. نماذج Embedding​

  • OpenAI (text-embedding-3-small/large)
  • Cohere embed-v3
  • Sentence Transformers
  • نماذج BGE

3. اختيار النموذج المناسب​

  • معايير MTEB
  • دعم اللغات
  • تحليل التكلفة
  • اعتبارات زمن الاستجابة

التنقّل​

  1. ما هي Embeddings؟ - فهم المتجهات
  2. نماذج Embedding - الخيارات المتاحة
  3. اختيار النماذج - إطار القرار
  4. اختبار - الوحدة 3 - 30 سؤالًا

أتقن أساس البحث الدلالي!