آموزش جستجوی برداری برای دیتابیس‌های عمومی - آخرین آپدیت

دانلود Vector Search for General Databases

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: پیاده‌سازی جستجوی برداری (Vector Search) برای برنامه‌های هوش مصنوعی نیازمند انتخاب بین توسعه دیتابیس‌های موجود یا استفاده از دیتابیس‌های تخصصی برداری است. چالش‌های این مسیر شامل درک نحوه پشتیبانی دیتابیس‌های عمومی از عملیات برداری، طراحی شمای‌های ترکیبی (Hybrid Schemas) برای ادغام متادیتای ساختاریافته با Embeddingها، ارزیابی توازن عملکرد، مدیریت خط لوله‌های ورود داده‌ها و ساخت سیستم‌های جستجوی معنایی آماده برای محیط عملیاتی است؛ مواردی که در صورت عدم توجه، منجر به تصمیمات معماری اشتباه، کوئری‌های ناکارآمد و پیچیدگی در یکپارچه‌سازی قابلیت‌های برداری در زیرساخت‌های موجود می‌شود. در این دوره آموزشی با عنوان «جستجوی برداری برای دیتابیس‌های عمومی»، شما توانایی پیاده‌سازی و بهینه‌سازی راهکارهای جستجوی برداری را در پلتفرم‌های مختلف دیتابیس برای کاربردهای RAG و جستجوی معنایی کسب خواهید کرد. ابتدا، با مبانی تولید تقویت‌شده بازیابی (Retrieval Augmented Generation یا RAG) آشنا می‌شوید که برای ارسال داده‌های سفارشی به مدل‌های GenAI استفاده می‌شود. سپس، نحوه پیاده‌سازی RAG را با استفاده از دیتابیس‌های برداری مختلف خواهید آموخت. در پایان این دوره، شما مهارت‌ها و دانش لازم در زمینه معماری و پیاده‌سازی دیتابیس‌های برداری را به دست می‌آورید تا بتوانید تصمیماتی آگاهانه درباره راهکارهای جستجوی برداری بگیرید و برنامه‌های هوش مصنوعی صنعتی بسازید که تعادلی بهینه بین عملکرد، هزینه و پیچیدگی عملیاتی برقرار کنند.

سرفصل ها و درس ها

تولید تقویت‌شده بازیابی (RAG) Retrieval Augmented Generation (RAG)

  • مقدمه‌ای بر RAG Introduction to RAG

  • نحوه عملکرد RAG Working of RAG

  • دمو: پیاده‌سازی RAG بدون کدنویسی Demo: Implement RAG without Code

پیاده‌سازی RAG با کدنویسی Implement RAG with Code

  • دمو: پیاده‌سازی RAG با استفاده از FAISS Demo: Implement RAG using FAISS

  • دمو: پیاده‌سازی RAG با استفاده از ElasticsearchStore Demo: Implement RAG using ElasticsearchStore

  • دمو: پیاده‌سازی RAG با استفاده از PGVector Demo: Implement RAG using PGVector

  • دمو: پیاده‌سازی RAG با استفاده از MongoDBAtlasVectorSearch Demo: Implement RAG using MongoDBAtlasVectorSearch

  • دمو: پیاده‌سازی RAG با استفاده از Pinecone Demo: Implement RAG using Pinecone

  • تفاوت بین دیتابیس‌های عمومی و دیتابیس‌های تخصصی برداری Difference between General Purpose DBs and Purpose Built DBs

نمایش نظرات

آموزش جستجوی برداری برای دیتابیس‌های عمومی
جزییات دوره
52m
9
(آخرین آپدیت)
1
از 5
دارد
دارد
دارد
Smit Shah
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Smit Shah Smit Shah

اسمیث شاه (Smit Shah) یک مدرس تایید شده مایکروسافت (MCT) است که سابقه درخشانی در حوزه فناوری اطلاعات و ارائه آموزش به شرکت‌های چندملیتی مختلف از جمله Deloitte، Accenture، Cognizant، LTIMindTree و غیره در ۷ سال گذشته دارد. او در زمینه‌های علوم داده، یادگیری ماشین، یادگیری عمیق، هوش مصنوعی مولد (GenAI)، تحلیل داده، آمار، Azure، پایتون، DBMS و بسیاری موارد دیگر تخصص دارد.