آموزش اندکس‌گذاری برداری و جستجوی ترکیبی (Hybrid Search) - آخرین آپدیت

دانلود Vector Indexing and Hybrid Search

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به بررسی روش‌های اندکس‌گذاری و بازیابی برداری برای ساخت سیستم‌های جستجوی کارآمد با استفاده از Embeddingها می‌پردازد. تمرکز این دوره بر تکنیک‌هایی است که از مقایسه‌های دقیق برداری فراتر رفته و به سمت اندکس‌گذاری مقیاس‌پذیر، بازیابی معنایی، بازیابی مبتنی بر کلمات کلیدی و جستجوی ترکیبی حرکت می‌کنند. از طریق دروس ساختاریافته و نمایش‌های عملی، خواهید آموخت که چگونه جستجوی k-nearest-neighbour از بازیابی top-k پشتیبانی می‌کند، چگونه ایندکس‌های FAISS بردارها را ذخیره و جستجو می‌کنند و چگونه بازیابی متراکم (Dense Retrieval) از Embeddingها برای تطبیق معنایی استفاده می‌کند. همچنین با بازیابی پراکنده (Sparse Retrieval) با استفاده از BM25 کار خواهید کرد، رتبه‌بندی‌های متراکم و پراکنده را برای جستجوی ترکیبی ادغام می‌کنید و فیلترینگ آگاه از متاداده (Metadata-aware) را برای بهبود مرتبط بودن نتایج به کار می‌گیرید. این دوره از مبانی جستجوی دقیق به سمت خط لوله‌های بازیابی (Retrieval Pipelines) قابل استفاده مجدد پیش می‌رود و بر اندکس‌گذاری، رتبه‌بندی، ماندگاری داده‌ها و نگاشت اسناد تأکید دارد. به جای نگاه به بازیابی به عنوان یک عملیات جستجوی تک، بر طراحی گردش‌های کاری کاملی تمرکز می‌شود که داده‌ها را کدگذاری کرده، ایندکس‌ها را می‌سازند، نتایج مرتبط را بازیابی می‌کنند و ارتباط بین بردارها و اسناد منبع را حفظ می‌کنند. در پایان این دوره، شما قادر خواهید بود: - جستجوی k-nearest-neighbour و بازیابی top-k را برای شباهت برداری پیاده‌سازی کنید - ایندکس‌های FAISS را برای جستجوی برداری کارآمد ساخته و مدیریت کنید - بازیابی معنایی متراکم را با استفاده از Sentence Transformers پیاده‌سازی کنید - سیستم‌های بازیابی پراکنده را با استفاده از رتبه‌بندی کلمات کلیدی مبتنی بر BM25 بسازید - رتبه‌بندی‌های متراکم و پراکنده را برای ایجاد گردش‌های کاری بازیابی ترکیبی ادغام کنید - خط لوله‌های بازیابی قابل استفاده مجدد را با قابلیت فیلترینگ، ماندگاری و نگاشت اسناد طراحی کنید این دوره برای مهندسان AI، متخصصان یادگیری ماشین، توسعه‌دهندگان و حرفه‌ای‌هایی که سیستم‌های جستجو و بازیابی معنایی می‌سازند، ایده‌آل است. داشتن درک پایه از پایتون، Vector Embeddings و معیارهای شباهت توصیه می‌شود؛ تجربه قبلی با FAISS یا تکنیک‌های پیشرفته بازیابی الزامی نیست. به ما بپیوندید تا نحوه طراحی و ساخت سیستم‌های بازیابی کارآمدی را بیاموزید که جستجوی برداری، تطبیق کلمات کلیدی، رتبه‌بندی ترکیبی و خط لوله‌های بازیابی را با هم ادغام می‌کنند.

سرفصل ها و درس ها

از جستجوی دقیق تا اندکس‌گذاری FAISS From Exact Search to FAISS Indexing

  • مرور کلی تخصص Specialization Overview

  • معرفی دوره Course Introduction

  • جستجوی K نزدیک‌ترین همسایه و بازیابی Top-k K-Nearest-Neighbour Search and Top-k Retrieval

  • پیاده‌سازی جستجوی دقیق K نزدیک‌ترین همسایه Implement Exact k-Nearest-Neighbour Search

  • ساخت یک سیستم جستجوی دقیق K نزدیک‌ترین همسایه Building an Exact k-Nearest-Neighbour Search

  • آشنایی با ایندکس FAISS Introduction to FAISS Index

  • نصب FAISS و ساخت یک ایندکس Flat Install FAISS and Build a Flat Index

  • افزودن، جستجو و بازسازی بردارها در FAISS Add, Search, and Reconstruct Vectors in FAISS

بازیابی متراکم، پراکنده و ترکیبی Dense, Sparse, and Hybrid Retrieval

  • بازیابی متراکم و تطبیق معنایی Dense Retrieval and Semantic Matching

  • ساخت سیستم بازیابی FAQ متراکم با Sentence Transformers Build Dense FAQ Retrieval with Sentence Transformers

  • بازیابی پراکنده، کلمات کلیدی و BM25 Sparse Retrieval, Keywords, and BM25

  • ساخت سیستم بازیابی FAQ مبتنی بر BM25 با rank bm25 Build BM25 FAQ Retrieval with rank-bm25

  • تلفیق رتبه‌بندی‌های متراکم و پراکنده Fuse Dense and Sparse Rankings

  • افزودن فیلترینگ پسین آگاه از متاداده Add Metadata-Aware Post-Filtering

  • اعمال فیلترینگ پسین روی یک پرس‌وجوی جدید Apply Post-Filtering to a New Query

طراحی خط لوله‌های بازیابی قابل استفاده مجدد Designing Reusable Retrieval Pipelines

  • طراحی خط لوله بازیابی: کدگذاری، اندکس، جستجو، رتبه‌بندی Retrieval Pipeline Design: Encode, Index, Search, Rank

  • ماندگاری، شناسه‌ها و نگاشت ایندکس به سند Persistence, IDs, and Index-to-Document Mapping

  • ساخت یک کلاس بازیابی FAISS قابل استفاده مجدد Create a Reusable FAISS Retrieval Class

  • ذخیره‌سازی و بارگذاری مجدد ایندکس جستجوی FAISS Persist and Reload a FAISS Search Index

  • تأیید و استفاده مجدد از ایندکس بارگذاری شده FAISS Verify and Reuse the Reloaded FAISS Index

  • جمع‌بندی دوره Course Summary

نمایش نظرات

آموزش اندکس‌گذاری برداری و جستجوی ترکیبی (Hybrid Search)
جزییات دوره
4h 34m
21
(آخرین آپدیت)
6
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده