LearnFlat · Applicazioni AI (Interdisciplinari) · AI per Legale e Conformità

AI nell'E-Discovery

Applica l'AI e il machine learning per una scoperta elettronica efficiente. Questo include la revisione dei documenti, la revisione assistita dalla tecnologia (TAR) e la selezione dei dati.

AI nell'E-Discovery

Iniziare con RAG: collegare l'IA ai dati privati

Costruire sistemi RAG: Connetti l'IA ai tuoi documenti personalizzati

Fondamenti di RAG Locale: Chatta con i Tuoi Documenti

Costruire Chatbot RAG per Basi di Conoscenza Aziendali

Fondamenti della Valutazione RAG: Misurare la Qualità del Retrieval con Ragas

RAG con Python: Hybrid Search, Reranking e Rewriting

Fondamenti di RAG: Context Engineering e Reranking

Fine-Tuning Embeddings e RAG per la Ricerca Semantica

Introduzione a RAG per Codebase e Documentazione

Fondamenti di database vettoriali: Qdrant, Weaviate e pgvector

Costruire Sistemi RAG: Ricerca, Reranking e Valutazione

ElasticSearch per sistemi di ricerca e raccomandazione

Fondamenti di NotebookLM: Analizza e Sintetizza i Tuoi Dati con l'AI

Costruire Motori di Ricerca: Information Retrieval e Data Mining

Fondamentali dei Database Vettoriali con Python, Pinecone e ChromaDB

Semantic Kernel SDK: Integrazione di plugin AI nelle applicazioni aziendali

Costruire la ricerca semantica con OpenAI Embeddings e database vettoriali

Costruire Motori di Ricerca e Sistemi di Recupero Testuale

Valutazione dei Sistemi di Raccomandazione: Metriche e Test Offline

Introduzione ai database vettoriali per applicazioni RAG

Database Vettoriali: Fondamenti di Ricerca Semantica e AI

Introduzione a Embeddings e Database Vettoriali

Fondamenti dei database vettoriali con ChromaDB

Costruire una base di conoscenza personale con Obsidian e Claude Code