آموزش پایگاه داده وکتور اصلی با پایتون برای موارد استفاده AI و LLM

سرفصل ها و درس ها

مقدمه ای بر پایگاه داده برداری Introduction to Vector Database

• بررسی اجمالی دوره Course Overview

• مقدمه ای بر پایگاه داده برداری Introduction to Vector Database

• چرا پایگاه داده برداری Why Vector Database

• موارد استفاده از پایگاه داده برداری Vector Database Use Cases

• آزمون مقدمه ای بر پایگاه داده برداری Quiz on Introduction to Vector Database

پایه های پایگاه داده برداری Vector Database Foundations

• نمای کلی بخش Section Overview

• پایگاه داده SQLite SQLite Database

• ذخیره و بازیابی داده های برداری در SQLite Storing and Retrieving Vector Data in SQLite

• جستجوی شباهت برداری Vector Similarity Search

• Chroma DB-Local Vector Data Base - Part 1: Setup & Data Insertion Chroma DB-Local Vector Data Base - Part 1: Setup & Data Insertion

• Chroma DB-Local Vector Data Base - Part 2: Query Chroma DB-Local Vector Data Base - Part 2: Query

تنظیم محیط پایگاه داده بردار Pinecone Pinecone Vector Database Environment Setup

• راه اندازی حساب Pinecone Pinecone Account Setup

• نمای کلی کنسول Pinecone DB Pinecone DB Console Overview

• راه اندازی محیط توسعه در ویندوز Setting Up Development Environment in Windows

• راه اندازی محیط توسعه در اوبونتو Setting Up Development Environment in Ubuntu

• اسکریپت "Hello World" برای وکتور DB "Hello World" Script for Vector DB

• راه اندازی محیط Environment Setup

عملیات پایگاه داده Database Operations

• عملیات پایگاه داده: ایجاد، بازیابی، به روز رسانی و حذف (CRUD) Database Operations: Create, Retrieve, Update and Deletion (CRUD)

• درج داده ها Insert Data

• Upsert: درج و به روز رسانی Upsert: Insert and Update

• داده های برداری پرس و جو Query Vector Data

• واکشی بردارها با شناسه Fetch Vectors by ID

• حذف وکتور Delete Vector

مدیریت پایگاه داده Data Base Management

• مفاهیم فهرست و مجموعه Concepts of Index and Collection

• مدیریت شاخص Index Management

• مجموعه چیست What is collection

• Index Backup قسمت 1: ایجاد مجموعه Index Backup Part 1: Creating Collection

• Index Backup قسمت 2: ایجاد فهرست از مجموعه Index Backup Part 2: Creating Index from Collection

• بردارهای پارتیشن بندی Partitioning Vectors

• Upsert با استفاده از فضای نام Upsert using Namespace

• پارتیشن بندی برداری با استفاده از متادیتا Vector Partitioning Using Metadata

• متریک فاصله Distance Metrics

• آزمون مفاهیم مدیریت پایگاه داده Pinecone Quiz on concepts of Pinecone database management

پروژه 1: کاربرد در جستجوی معنایی Project 1: Application in Semantic Search

• مقدمه ای بر جستجوی معنایی Introduction to Semantic Search

• دریافت داده های پست های متوسط Medium Posts Data Obtaining

• پیش پردازش داده ها Data Preprocessing

• آماده شدن برای Upsert Preparing for Upsert

• پرس و جو برداری: "جستجوی معنایی" Vector Query: "Semantic Search"

• آزمون جستجوی معنایی Quiz on Semantic Search

پروژه 2: جستجوی معنایی ارائه شده توسط نام نهاد Project 2: Semantic Search Powered by Named Entity

• مفهوم شناسایی نهاد نامگذاری شده (NER) Concept of Named Entity Recognition (NER)

• نمونه های پیاده سازی NER NER Implementation Examples

• تنظیم محیط برای جستجوی معنایی مبتنی بر NER Setting up Environment for NER based Semantic Search

• مدل‌های جاسازی برداری و داده‌های بار Vector Embedding Models and Load Data

• آماده سازی داده ها Data Preparation

• توسعه NER Helper Function Developing NER Helper Function

• وکتور تعبیه در دسته Vector Embedding in Batches

• استخراج NER به صورت دسته ای NER Extraction in Batches

• پردازش فراداده Metadata Processing

• وکتور آپسرت Vector Upsert

• پرس و جو برداری: جستجوی معنایی با NER Vector Query: Semantic Search with NER

پروژه 3: ساخت عامل چت هوش مصنوعی با LangChain و OpenAI Project 3: Building AI Chat Agent with LangChain and OpenAI

• ساخت یک عامل هوش مصنوعی بازیابی با LangChain و OpenAI Building an Retrieval AI Agent with LangChain and OpenAI

• دریافت OpenAI API Obtaining OpenAI API

• بارگذاری داده ها Data Load

• تابع جاسازی برداری Vector Embedding Function

• راه اندازی DB بردار Setup Vector DB

• پردازش متا داده ها Processing for Meta Data

• راه حل محدودیت نرخ جاسازی و OpenAI Embedding and OpenAI Rate Limit Workaround

• نمایه سازی Indexing

• جستجوی معنایی با OpenAI Semantic Search with OpenAI

• جاسازی با OpenAI و LangChain Embedding with OpenAI and LangChain

• Retrieval QA Agent - نمونه ای از بازیابی نسل افزوده (RAG) Retrieval QA Agent- an example of retrieval augmented generation (RAG)

• نماینده چت Chat Agent

پروژه Capstone Capstone Project

• یک موتور جستجوی ویدیویی بر اساس محتوای صوتی بسازید که در آن «متن» ورودی جستجو است. Build a video search engine based on audio content where "text" is search input.