オンデマンドウェビナー
NLPモデルとベクトル検索の概要:パート2
Hosted by:
![Tom Grabowski](https://static-www.elastic.co/v3/assets/bltefdd0b53724fa2ce/bltac40ead50bbd7800/5f4ec30199431928ffc0e68b/headshot-tom-grabowski-300x300.jpg)
Tom Grabowski
Principal Product Manager
Elastic
![刻み チャウチャウ](https://static-www.elastic.co/v3/assets/bltefdd0b53724fa2ce/blt002a709d17ebfe5e/5da72aac228709693c82eab3/headshot-nick-chow-300x300.jpg)
刻み チャウチャウ
Prinicipalプロダクトマネージャー
エラスティック
![Gilad Gal](https://static-www.elastic.co/v3/assets/bltefdd0b53724fa2ce/blt00fa117d4308f560/5f4eb28a99431928ffc0e645/headshot-gilad-gal-300x300.jpg)
Gilad Gal
Principal Product Manager I
Elastic
概要
本ウェビナーは、「NLPの概要:パート1」セッションの更新版であり、Elasticプラットフォームの8.1-8.3の更新が含まれます。
Elasticsearchがお届けする最新のNLPとネイティブベクトル検索の概要について説明します。新しい機械学習モデルを使用してコンテクストを把握し、スピードと結果の品質を向上させましょう。セマンティック文章埋め込みモデルや質問応答NLP PyTorchモデルなどの高度なテキスト分析を、非常に手軽に、かつ短時間で実施できます。フィルタリング、範囲クエリ、増分インデックス作成など、ベクトル検索の最新機能も手に入れましょう。プリビルトのモデルで始めることも、自作のモデルをスケールすることもできます。
主な内容:
- Elasticsearchの高密度ベクトルフィールドを使用したベクトル類似性の検索
- ベクトル検索のフィルタリング
- 範囲クエリを使用した、クエリとの関連性が高いとみなされる結果のサブセットの定義
- インデックスへの増分変更処理
- NLPモデルでセマンティック検索を使用たアプリケーションの構築
- Hugging Face、PyTorchモデルの使用
- ベクトルとNLPを使用した最新のセマンティック検索アプリケーションの作成
参考資料:
- AI時代の検索ツールキット、Elasticsearch Relevance Engine™(ESRE)を入手する
- NLPモデルとベクトル検索の概要:パート1
- PyTorchを使用してElasticsearchで最新のNLPを実現
- 近似最近傍(ANN)検索の概要
- NLP入門とエンドツーエンドの事例 (ブログシリーズ)
- ドキュメント:NLP
- ドキュメント:高密度ベクトルフィールドタイプ
- 実際に触れてみましょう。Elastic Cloudについて詳しくご覧いただくことも、14日間の無料トライアルを試用してすぐに使い始めることもできます。
ビデオをみる
最新のElastic Stackに関する情報をお送りします。
MarketoFEForm