کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش مقدمه ای بر Milvus (پایگاه داده برداری) با استفاده از پایتون

Introduction to Milvus (Vector Database) Using Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: اصول Milvus (پایگاه داده برداری) را بیاموزید، با استفاده از PyMilvus کار با Milvus و موارد دیگر را یاد بگیرید! Basics of Vector Database Introduction to Milvus and Installing Milvus Collections, Partitions and Indexes in Milvus PyMilvus - Python SDK for Milvus یک نمونه دنیای واقعی با استفاده از کنترل دسترسی مبتنی بر نقش Milvus در Milvus Attu - ابزار مبتنی بر UI برای مدیریت Milvus پیشکر و Dockeron Docker دستورات پایه لینوکس را بنویسید

Milvus اولین سیستم پایگاه داده برداری منبع باز جهان است که می تواند بین میلیاردها بردار ذخیره، فهرست بندی و جستجو کند! پایگاه داده های برداری یکی از فناوری های نوظهور دهه است که از ابزارهای هوش مصنوعی مدرن پشتیبانی می کند و یادگیری Milvus برای ساخت برنامه های هوش مصنوعی بسیار مقیاس پذیر و در زمان واقعی می تواند به شما کمک کند تا در حرفه خود سریعتر پیشرفت کنید.

این دوره با استفاده از Python SDK (PyMilvus) مهارت‌های عملی قوی در Milvus را در اختیار شما قرار می‌دهد. قبل از شروع، لازم است دانش اولیه در مورد

داشته باشید


  • برنامه نویسی پایتون

  • فرمان های لینوکس

  • Docker and Docker Compose


برخی از نکات برجسته این دوره

است


  • همه سخنرانی‌ها از ابتدا طراحی شده‌اند تا موضوعات پیچیده را به راحتی درک کنید

  • نمونه های کاری فراوانی که در سخنرانی های ویدیویی نشان داده شده است

  • نوت‌بوک‌های پایتون قابل دانلود با نمونه‌هایی که در دوره استفاده شده‌اند

  • سخنرانی های ویدئویی دقیق و آموزنده

  • آزمون در پایان سخنرانی های ویدیویی مهم

  • طیف گسترده ای از موضوعات اساسی در Milvus را پوشش می دهد


پس از اتمام این دوره، شما قادر خواهید بود


  • Milvus را با استفاده از Python نصب و کار کنید

  • مجموعه ها و فهرست ها را در Milvus مدیریت کنید

  • جستجوی برداری را در بردارهای ذخیره شده در Milvus انجام دهید

  • کاربران و نقش‌ها را در Milvus مدیریت کنید

  • از Attu استفاده کنید، یک رابط کاربری مبتنی بر وب که می تواند برای مدیریت Milvus استفاده شود

  • از Milvus برای ساخت برنامه های هوش مصنوعی مقیاس پذیر

    استفاده کنید


این دوره به صورت دوره ای به روز می شود و برای دسترسی مادام العمر به این دوره هم اکنون ثبت نام کنید!


به روز رسانی دوره:


  • 04-07-2023 - آزمون اضافه شده در Flat، IVF، Quantization Scalar، Quantization محصول، و HNSW Index

  • 2023-06-25 - اضافه شدن فصل جدیدی از سخنرانی های ویدیویی در مورد شاخص های Milvus

  • 11-06-2023 - سؤالات مسابقه به روز شد

سرفصل ها و درس ها

معرفی Introduction

  • پیش درآمد Prelude

  • معرفی Introduction

  • مقدمه ای بر پایگاه های داده برداری Introduction to vector Databases

  • اجزای یک پایگاه داده برداری Components of a Vector Database

  • بردارهای تعبیه شده Embedding vectors

  • جاسازی های برداری Vector Embeddings

  • معیارهای تشابه برداری Vector Similarity Metrics

  • شباهت برداری Vector Similarity

  • آشنایی با Milvus Introduction to Milvus

میلووس Milvus

  • معماری Milvus Milvus Architecture

  • معماری Milvus Milvus Architecture

  • Milvus - مفاهیم ذخیره سازی Milvus - Storage Concepts

  • مفاهیم ذخیره سازی Milvus Milvus Storage Concepts

  • نصب و راه اندازی Installation

  • PyMilvus PyMilvus

  • مجموعه ها Collections

  • مجموعه ها Collections

  • پارتیشن ها Partitions

  • پارتیشن ها Partitions

  • مدیریت اطلاعات Data management

  • مدیریت اطلاعات Data management

  • نمایه سازی داده ها Indexing the data

  • نمایه سازی در Milvus Indexing in Milvus

  • پرس و جو و جستجو Querying & Searching

  • جستجو و جستجو در مجموعه های Milvus Querying & Searching Milvus Collections

  • مثالی با استفاده از تنسورفلو An Example Using Tensorflow

  • کنترل دسترسی مبتنی بر نقش Role Based Access Control

  • RBAC RBAC

  • آتو Attu

  • Milvus Lite Milvus Lite

شاخص ها در Milvus Indexes in Milvus

  • معرفی Introduction

  • شاخص تخت Flat Index

  • شاخص تخت Flat Index

  • فهرست فایل معکوس (IVF) Inverted File Index (IVF)

  • شاخص IVF IVF Index

  • کوانتیزاسیون اسکالر Scalar Quantization

  • کوانتیزاسیون اسکالر Scalar Quantization

  • کمی سازی محصول Product Quantization

  • کمی سازی محصول Product Quantization

  • شاخص HNSW (نمودارهای جهان کوچک قابل پیمایش سلسله مراتبی) HNSW Index (Hierarchical Navigable Small World graphs)

  • HNSW HNSW

نتیجه Conclusion

  • نتیجه Conclusion

نمایش نظرات

نظری ارسال نشده است.

آموزش مقدمه ای بر Milvus (پایگاه داده برداری) با استفاده از پایتون
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
1.5 hours
27
Udemy (یودمی) udemy-small
13 تیر 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
247
4.5 از 5
دارد
دارد
دارد

https://donyad.com/d/67f757

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

آموزش تسلط بر خدمات یکپارچه سازی SQL Server 2016 (SSIS) - قسمت 2

آموزش تسلط بر خدمات یکپارچه سازی SQL Server 2016 (SSIS) - قسمت 2

Mastering SQL Server 2016 Integration Services (SSIS)-Part 2

نحوه ایجاد بسته های SSIS را از ابتدا گام به گام بیاموزید

آموزش پایگاه های داده رابطه ای: تصویر بزرگ

آموزش پایگاه های داده رابطه ای: تصویر بزرگ

Relational Databases: The Big Picture

در این دوره آموزشی، با توابع اصلی و موارد استفاده عملی برای پایگاه های داده رابطه ای آشنا می شوید.

آموزش AWS Data Architect Bootcamp - 43 Services 500 FAQs 20+ Tools

آموزش AWS Data Architect Bootcamp - 43 Services 500 FAQs 20+ Tools

AWS Data Architect Bootcamp - 43 Services 500 FAQs 20+ Tools

پایگاه‌های داده AWS، EMR، SageMaker، IoT، Redshift، Glue، QuickSight، RDS، Aurora، DynamoDB، Kinesis، Rekognition و موارد دیگر

آموزش Redis: راهنمای کامل توسعه دهندگان

آموزش Redis: راهنمای کامل توسعه دهندگان

Redis: The Complete Developer's Guide

Master Redis v7.0 با تمرینات عملی. شامل ماژول ها، اسکریپت، همزمانی، و جریان!

Vijay Anand Ramakrishnan Vijay Anand Ramakrishnan

مدرس آموزش و پرورش شبدر طلایی

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.