Pular para o conteúdo principal

Módulo 3 - Imersão em Embeddings

Visão Geral​

Embeddings são o coração da busca semântica em RAG. Este módulo explora o que são embeddings, como funcionam e como escolher o modelo de embedding ideal para o seu caso de uso.

Objetivos de Aprendizagem​

Ao final deste módulo, você será capaz de:

  • Entender o que são embeddings e como eles representam significado
  • Comparar diferentes modelos de embedding (OpenAI, Cohere, Open Source)
  • Utilizar benchmarks MTEB para avaliar modelos
  • Escolher o modelo adequado com base em custo, desempenho e requisitos

Conteúdo do Módulo​

1. O que são Embeddings?​

  • Representações vetoriais de texto
  • Significado semântico no espaço vetorial
  • Métricas de similaridade (cosseno, euclidiana)
  • Dimensões de embedding

2. Modelos de Embedding​

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

3. Escolhendo o Modelo Ideal​

  • Benchmarks MTEB
  • Suporte a idiomas
  • Análise de custos
  • Considerações de latência
  1. O que são Embeddings? - Entendendo vetores
  2. Modelos de Embedding - Opções disponíveis
  3. Escolhendo Modelos - Estrutura de decisão
  4. Quiz - Módulo 3 - 30 questões

Domine a base da busca semântica!