Elastic Inference Service에서 Jina AI를 사용한 의미 검색

Ugo Sangiorgi

Principal Competitive Intelligence Manager

Elastic

Ranjana Devaji

수석 제품 마케팅 매니저 - Elasticsearch

Elastic

Elasticsearch 벡터 데이터베이스와 Jina AI 모델을 사용해 우수한 AI 기반 검색 환경을 구축하는 방법에 대해 알아보세요. 에이전틱 AI 시대에는 낮은 검색 정확도가 작업 기반 루프의 모든 단계에 걸쳐 누적되어 더 큰 문제로 이어지므로, 정확한 검색이 매우 중요합니다. 이 실습 세션에서는 Elastic을 AI를 위한 핵심 데이터 플랫폼으로 활용하여 사일로화된 비정형 데이터를 실행 가능한 정보로 전환하는 데 중점을 둡니다.

Elastic Cloud Serverless를 사용한 라이브 데모를 통해 시맨틱 검색을 손쉽게 구현하는 방법을 안내해드립니다. Elastic Inference Service가 모델 배포 및 유지 관리의 복잡성을 제거하여 텍스트 임베딩 및 재순위 지정을 위해 기본 Jina AI 모델을 활용하는 방법을 살펴봅니다.

주요 내용

• Elasticsearch 벡터 데이터베이스: Elasticsearch 벡터 데이터베이스가 어떻게 임베딩, 벡터 검색, 하이브리드 검색, 필터링, 재순위 지정을 통해 단일 플랫폼에서 높은 정밀도의 검색과 확장 가능한 AI 경험을 제공하는지 알아봅니다.
• 검색 방법론 설명: 어휘 검색(BM25)의 정밀도와 벡터 검색의 의도 기반을 알아보고,이 둘이 결합된 하이브리드 검색의 힘을 살펴봅니다.
• Elastic Inference 서비스: 이 서비스를 사용하여 수동 확장이나 유지 관리의 부담 없이 필드를 특정 모델에 연결하는 방법을 알아봅니다.
• 직접 체험하기: Elastic Cloud Serverless 프로젝트를 시작하고 고정밀 임베딩 및 재순위 지정을 위해 Jina AI 모델을 구성합니다.
• 네이티브 Jina AI 통합: Jina AI의 최첨단 다국어 모델이 임베딩과 재순위 지정에 어떻게 우수한 성능을 제공하는지 확인해봅니다.
• 의미 텍스트 단순화: 자동으로 데이터를 임베딩으로 생성하여 다양한 언어와 복잡한 자연어 쿼리 검색을 가능하게 해주는 semantic_text 필드 유형을 소개합니다.

추가 리소스

• 참여하기: Elasticsearch 14일 무료 체험판을 시작하거나 클라우드 계정에 로그인하세요.
• Jina AI에서 더 자세히 알아보세요.
• 텍스트 임베딩 및 의미 검색에 대한 문서를 참조하세요.
• 맞춤형 데모 따라하기
• 다음 단계로 나아갈 준비가 되셨나요? 무료 온디맨드 교육으로 시작하세요