Silabus Pelajaran 146 dari 250 · Embeddings & Semantic Search dari Nol
Embeddings & Semantic Search dari Nol

Tonton: Kata Menjadi Vektor

Kamu baru saja membangun embeddings secara manual. Inilah idenya saat dijalankan. Sebuah embedding mengubah setiap kata menjadi titik dalam ruang, dipelajari agar makna menjadi jarak: kata yang bermakna mirip berada berdekatan, kata yang tidak berhubungan berada berjauhan.

Tekan play. Lihat beberapa kata mengelompok sendiri, lalu lihat kata baru, puppy, mendarat tepat di tempat maknanya berada, dan lihat mengapa semantic search hanya mencari titik terdekat.

Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini

Latihan ini akan segera dibuka

Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.