آموزش مبانی LLM: پایگاه های داده برداری برای ذخیره سازی و بازیابی نسل افزوده شده (RAG)

سرفصل ها و درس ها

معرفی Introduction

• GenAI با پایگاه داده برداری GenAI with vector databases

• پوشش دوره و پیش نیازها Course coverage and prerequisites

1. مقدمه ای بر پایگاه های داده برداری 1. Introduction to Vector Databases

• مزایا و معایب پایگاه های داده برداری Pros and cons of vector databases

• برداری در NLP Vectorization in NLP

• پایگاه های داده برداری Vector databases

• جستجوی شباهت برداری Vector similarity search

• وکتور چیست؟ What is a vector?

2. مفاهیم پایگاه داده Milvus 2. Milvus Database Concepts

• پارتیشن در Milvus Partitions in Milvus

• فایل های Milvus و تمرین را تنظیم کنید Set up Milvus and exercise files

• مدیریت داده ها در Milvus Managing data in Milvus

• مجموعه ها در Milvus Collections in Milvus

• مقدمه ای بر Milvus DB Introduction to Milvus DB

• شاخص ها در Milvus Indexes in Milvus

• معماری میلووس Milvus architecture

• پرس و جو و جستجو در Milvus Query and search in Milvus

3. عملیات پایگاه داده Milvus 3. Milvus Database Operations

• ایجاد پایگاه داده و کاربران Create databases and users

• داده های اسکالر را پرس و جو کنید Query scalar data

• اشیاء و موجودیت ها را حذف کنید Delete objects and entities

• یک شاخص بسازید Build an index

• فیلدهای برداری را جستجو کنید Search vector fields

• یک اتصال ایجاد کنید Create a connection

• مجموعه ایجاد کنید Create collections

• داده ها را در Milvus وارد کنید Insert data into Milvus

4. DB برداری برای LLM Query Caching 4. Vector DB for LLM Query Caching

• LLM ها و ذخیره سازی LLMs and caching

• مدیریت کش Cache management

• کش Milvus را راه اندازی کنید Set up the Milvus cache

• فرآیند استنتاج و ذخیره سازی Inference process and caching

• جریان کاری ذخیره سازی سریع Prompt caching workflow

5. مقدمه ای بر بازیابی نسل افزوده (RAG) 5. Introduction to Retrieval Augmented Generation (RAG)

• مقدمه ای بر بازیابی نسل افزوده Introduction to retrieval augmented generation

• LLM به عنوان منبع دانش LLMs as a knowledge source

• RAG: فرآیند تصحیح دانش RAG: Knowledge curation process

• فرآیند پاسخگویی به پرسش RAG RAG question-answering process

• کاربردهای RAG Applications of RAG

6. پیاده سازی RAG با Milvus 6. Implementing RAG with Milvus

• پایگاه داده Milvus را پر کنید Populate the Milvus database

• Milvus را برای RAG تنظیم کنید Set up Milvus for RAG

• داده ها را برای پایگاه دانش آماده کنید Prepare data for the knowledge base

• با RAG به سوالات پاسخ دهید Answer questions with RAG

7. بهترین روش های پایگاه داده برداری 7. Vector Databases Best Practices

• تنظیم عملکرد DB بردار Tune vector DB performance

• داده های برداری و اسکالر را ترکیب کنید Combine vector and scalar data

• یک پایگاه داده برداری را انتخاب کنید Choose a vector database

• ملاحظات اندازه گیری فاصله Distance measure considerations

نتیجه Conclusion

• با LLM ها ادامه دهید Continue with LLMs