Catégorie: IA
Articles étiquetés IA
Utilisation des modèles Amazon Nova dans Elasticsearch
Découvrez comment utiliser les modèles Amazon Nova dans Elasticsearch pour extraire automatiquement le sentiment, l'authenticité, les résumés et les mots-clés des avis produits dans Elasticsearch.
Connecter des agents à Elasticsearch avec Model Context Protocol
Utilisons le serveur Model Context Protocol pour dialoguer avec vos données dans Elasticsearch.
Construire un système RAG multimodal avec Elasticsearch : L'histoire de Gotham City
Apprenez à construire un système multimodal Retrieval-Augmented Generation (RAG) qui intègre des données textuelles, audio, vidéo et des images afin de fournir une recherche d'informations plus riche et contextualisée.
Utiliser Ollama avec l'API d'inférence
Apprenez à intégrer Ollama avec Elasticsearch en utilisant l'API Inference.
Tester DeepSeek R1 localement pour RAG avec Ollama et Kibana
Apprenez à exécuter une instance locale de DeepSeek et à vous y connecter depuis Kibana.
Recherche à facettes : Utiliser l'IA pour améliorer la portée et les résultats de la recherche
Découvrez comment utiliser la recherche par facettes dans Elasticsearch pour restreindre rapidement les options au sein des catégories.
Comment utiliser le connecteur Elasticsearch Vector Store pour Microsoft Semantic Kernel pour le développement d'agents d'intelligence artificielle ?
Microsoft Semantic Kernel est un kit de développement léger et open-source qui vous permet de créer facilement des agents d'intelligence artificielle et d'intégrer les derniers modèles d'intelligence artificielle dans votre base de code C#, Python ou Java. Avec la sortie du connecteur Semantic Kernel Elasticsearch Vector Store, les développeurs qui utilisent Semantic Kernel pour créer des agents d'intelligence artificielle peuvent désormais utiliser Elasticsearch comme un magasin vectoriel d'entreprise évolutif tout en continuant à utiliser les abstractions de Semantic Kernel.
LangChain4j avec Elasticsearch comme magasin de plongements
LangChain4j (LangChain pour Java) a Elasticsearch comme magasin intégré. Découvrez comment l'utiliser pour construire votre application RAG en Java simple.
Présentation de LangChain4j pour simplifier l'intégration de LLM dans les applications Java
LangChain4j (LangChain pour Java) est un ensemble d'outils puissants pour construire votre application RAG en Java simple.
Techniques avancées de RAG, partie 2 : Requêtes et tests
Discuter et mettre en œuvre des techniques susceptibles d'améliorer les performances du RAG. Partie 2 sur 2, axée sur l'interrogation et le test d'un pipeline RAG avancé.
Techniques avancées de RAG partie 1 : Traitement des données
Discuter et mettre en œuvre des techniques susceptibles d'améliorer les performances du RAG. Partie 1 sur 2, se concentrant sur le traitement et l'ingestion des données d'un pipeline RAG avancé.
