آموزش دیتابیس های وکتور حرفه ای - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه ای بر پایگاه داده برداری Introduction to Vector Database

• بردارها و جاسازی‌ها Vectors and Embeddings

• توضیح پایگاه داده برداری به زبان ساده Explain vector database like I'm 5

• نحوه ذخیره داده در پایگاه داده برداری How vector database store data

• پایگاه داده برداری چگونه کار می کند؟ How do vector database works?

• بردارها در 2D Vectors in 2D

قدرت جاسازی ها The power of embeddings

• ایجاد جاسازی ها با استفاده از OpenAI Create embeddings using OpenAI

• مدل های جاسازی جمله Sentence Embedding Models

استفاده از SQLite به عنوان فضای ذخیره سازی بردار Using SQLite as vector storage

• راه اندازی و عملیات اساسی Setup and basic operations

• ایجاد، ذخیره و بازیابی داده های برداری Creating, storing and retrieving vector data

• پیدا کردن نزدیکترین بردار Finding nearest vector

• جستجوی برداری با استفاده از افزونه sqlite-vss Vector search using sqlite-vss extension

ChromaDB ChromaDB

• معرفی ChromaDB Introduction to ChromaDB

• ایجاد تحول در دسترسی به داده با پایگاه داده برداری Revolutionizing the Data access with Vector Database

• متدهای کالکشن ها Methods on collections

• ذخیره مجموعه "ماتریکس" Storing "The Matrix" collections

• اضافه کردن جاسازی های مرتبط با سند Adding document associated embeddings

• پرس و جوی داده با فیلتر 'where' Query data with 'where' filter

• ChromaDB + Langchain - پرسش و پاسخ در مورد چندین سند - قسمت 1 ChromaDB + Langchain - QA on multiple documents - Part 1

• ChromaDB + Langchain - پرسش و پاسخ در مورد چندین سند - قسمت 2 ChromaDB + Langchain - QA on multiple documents - Part 2

جستجوی شباهت هوش مصنوعی فیسبوک (FAISS) Facebook AI Similarity Search (FAISS)

• معرفی FAISS Introduction to FAISS

• استفاده از جستجوی شباهت برای نزدیکترین همسایه ها Using similarity search for nearest neighbors

Pinecone Pinecone

• معرفی Pinecone Introduction to Pinecone

• راه اندازی حساب کاربری، ایجاد یک فهرست، بررسی داشبورد Setup account, create an index, dashboard review

• درک پیکربندی ایجاد فهرست Understanding index creation configuration

• مدیریت فهرست Index management

• وارد کردن داده برداری به یک فهرست Insert vector data to an index

• پرس و جوی داده برداری Query vector data

• به روز رسانی داده های برداری به صورت دسته ای Upsert vector data in batches

• به روز رسانی دسته ای به صورت موازی Upsert batches in parallel

• به روز رسانی با فراداده Upsert with metadata

• شناسه های برداری باید رشته ای باشند Vector IDs must be string

• جاسازی های ترانسفورماتور جمله Sentence transformer embeddings

• جستجوی معنایی با فیلتر فراداده - مقالات خبری Semantic search with metadata filtering - news articles

Qdrant Qdrant

• معرفی پایگاه داده برداری Qdrant Introduction to Qdrant vector database

• اتصال با API ها Connect with APIs

• ایجاد یک کلاینت پایتون Qdrant Create a qdrant python client

• ایجاد یک کالکشن Create a collection

• ایجاد یک فروشگاه برداری Create a vector store

• اضافه کردن سند به فروشگاه برداری در فضای ابری Add document to vector store on the cloud

• پرس و جوی سند Query the document

• ایجاد یک برنامه پرسش و پاسخ streamlit Create a streamlit QA app

تبریک و تشکر! Congratulations and Thank You!

• نظرات شما بسیار ارزشمند است! Your feedback is very valuable!