Aller au contenu principal

Module 3 - Exploration Approfondie des Embeddings

Aperçu​

Les embeddings sont au cœur de la recherche sémantique dans RAG. Ce module explore ce que sont les embeddings, comment ils fonctionnent et comment choisir le bon modèle d'embedding pour votre cas d'utilisation.

Objectifs d'apprentissage​

À la fin de ce module, vous serez capable de :

  • Comprendre ce que sont les embeddings et comment ils représentent le sens
  • Comparer différents modèles d'embedding (OpenAI, Cohere, Open Source)
  • Utiliser les benchmarks MTEB pour évaluer les modèles
  • Choisir le bon modèle en fonction du coût, de la performance et des exigences

Contenu du module​

1. Que sont les Embeddings ?​

  • Représentations vectorielles du texte
  • Signification sémantique dans l'espace vectoriel
  • Mesures de similarité (cosinus, euclidienne)
  • Dimensions des embeddings

2. Modèles d'Embedding​

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

3. Choisir le Bon Modèle​

  • Benchmarks MTEB
  • Support linguistique
  • Analyse des coûts
  • Considérations de latence
  1. Que sont les Embeddings ? - Comprendre les vecteurs
  2. Modèles d'Embedding - Options disponibles
  3. Choisir les Modèles - Cadre de décision
  4. Quiz - Module 3 - 30 questions

Maîtrisez la base de la recherche sémantique !