🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش جستجوی هوش مصنوعی و یادگیری ماشینی با OpenSearch (الستیکسرچ + هوش مصنوعی/یادگیری ماشینی)
- آخرین آپدیت
دانلود AI & ML Search with OpenSearch (elasticsearch + AI/ML)
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
یافتن معنا در دادههایتان با OpenSearch و هوش مصنوعی
درک و پیادهسازی جستجوی سنتی، جستجوی عصبی و جستجوی ترکیبی با استفاده از OpenSearch آمازون، پلتفرم منبع باز با مجوز آپاچی.
آنچه خواهید آموخت:
پیادهسازی جستجوی معنایی، تولید افزوده بازیابی (RAG) با استفاده از مدلهای میزبانی شده محلی یا ارائه دهندگان LLM خارجی مانند OpenAI.
پیادهسازی پروژههای بلادرنگ بهطور کامل بر روی یک ماشین محلی یا یک VM ابری با استفاده از VS Code، اسکریپتهای shell، پایتون و الگوهای yaml.
پیادهسازی گزارشدهی، هشدار، داشبورد، الگوهای لاگ مشاهدهپذیری در حالی که درک نقاط ادغام با ابر.
تکمیل مطالعات موردی متعدد، از جمله مهاجرت دادههای تولید از Elasticsearch به OpenSearch.
درک و پیادهسازی گردش کارهای عاملگرا شامل معماریهای RAG در LLMهای محلی و خارجی.
پیشنیازها:
اصول اولیه اجرای کانتینر Docker
اصول اولیه برنامهنویسی پایتون
اشتیاق به درک و باز کردن نحوه عملکرد جستجو
الزامات سختافزاری و نرمافزاری:
لپ تاپ محلی با حداقل 4 گیگابایت RAM (8 گیگابایت ترجیحی) و 2 هسته CPU (4 ترجیحی).
آماده باشید حدود 5 دلار یا کمتر را با استفاده از یک سرویس LLM عمومی مانند Open AI خرج کنید.
Elasticsearch یک پلتفرم جستجوی شناخته شده است که در شرکتها، SMB ها و استارتاپها مورد استفاده قرار میگیرد. Elasticsearch در موارد استفاده از جستجوی واژگانی با استفاده از الگوریتم BM25 که بر اساس Lucene ساخته شده است، برتری دارد. با این حال، با ظهور هوش مصنوعی و مدلهای زبانی بزرگ، جستجوی معنایی، جستجوی ترکیبی، جستجوی عصبی، جستجوی چند وجهی و غیره به جای کمیاب بودن، به یک هنجار تبدیل شدهاند.
OpenSearch (در اصل یک فورک از Elasticsearch که در سال 2021 شروع به کار کرد) با مجوز منبع باز Apache و پروژه بنیاد لینوکس، محبوبیت و پذیرش زیادی در جوامع منبع باز و سازمانی به دست آورده است. OpenSearch ضمن ارائه برابری با تمام قابلیتهای جستجوی واژگانی Elasticsearch، با مدلهای LLM (مانند ترانسفورمرهای جمله)، ارائهدهندگانی مانند OpenAI، Cohere، Anthropic یکپارچه میشود و گردش کارهای عاملگرا را تعریف میکند. به عنوان یک برنده، Oracle به OpenSearch برای قابلیتهای جستجوی PeopleSoft خود روی آورد. AWS Opensearch-as-a-service را در ابر خود ارائه میدهد و این نشاندهنده آمادگی تولیدی است.
دوره هوش مصنوعی و ML Search با OpenSearch آموزش جامعی در مورد نصب، پیکربندی و درک OpenSearch ارائه میدهد، در حالی که موارد استفاده از جستجوی واقعی مانند تولید افزوده بازیابی (RAG)، گردش کارهای عاملگرا و مهاجرت از Elasticsearch به OpenSearch را پیادهسازی میکند. بر موارد استفاده از هوش مصنوعی/ML بیشتر از مفاهیم سنتی/واژگانی تأکید شده است، اگرچه دومی برای زمینه تاریخی پوشش داده شده است.
برای مقایسه Elasticsearch (ELK stack) و OpenSearch، میتوانیم تقریباً موارد زیر را معادل کنیم:
Elasticsearch ~ OpenSearch
Logstash ~ Data Prepper
Kibana ~ OpenSearch Dashboards
OpenSearch از نظر نسخهها و ویژگیها یک پلتفرم سریعالرشد است. ما از نسخه 2.17 که از سپتامبر 2024 آماده تولید است، استفاده خواهیم کرد. Docker به طور گسترده در این دوره استفاده شده است تا از قابلیت تکرارپذیری اجرای کل کد دوره اطمینان حاصل شود.
من مشتاقانه منتظر هستم تا مربی شما باشم و امیدوارم شما نیز همین اشتیاق را داشته باشید!
سرفصل ها و درس ها
OpenSearch - Getting Started
ما کی هستیم | نگهداری | منابع ماشین مورد نیاز
Who are we | Housekeeping | Machine resources needed
نسخه نمایشی: پوشهها | دوره کلی در یک نگاه
Demo: Folders | Overall course at a glimpse
نسخه نمایشی: مجموعهدادهها | پروژهها | بارگیری مواد درسی
Demo: Datasets | Projects | Course Material Downloads
نصب و الزامات سیستم
Installation and System Requirements
الزامات سیستم و شبکه | پیکربندی
System & Network Requirements | Configuration
افزونهها | ارتقا
Plugins | Upgrading
کتابخانههای کلاینت OS
OS client libraries
نسخه نمایشی: راهاندازی، نصب، پیکربندی و دسترسی به OpenSearch در نمونه AWS EC2
Demo: Setup, Install, Configure and Access OpenSearch on AWS EC2 Instance
ادامه نسخه نمایشی: راهاندازی، نصب، پیکربندی و دسترسی به OpenSearch در AWS EC2
Demo Continued: Setup, Install, Configure and Access OpenSearch on AWS EC2
نسخه نمایشی: راهاندازی، نصب، پیکربندی و دسترسی به Opensearch در ماشین محلی
Demo: Setup, Install, Configure and Access Opensearch on Local Machine
مفاهیم OpenSearch
OpenSearch Concepts
جستجو چیست - تشبیه
What is Search - Analogy
OpenSearch چیست | تاریخچه | قابلیتها | پروژههای مرتبط
What is OpenSearch | History | Capabilities | Related Projects
انواع جستجو
Types of Searches
انواع جستجوی پیشرفته
Advanced Search Types
موارد استفاده بر اساس صنعت | موارد استفاده بر اساس عملکرد شغلی
Use Cases By Industry | Use Cases By Job Function
تحلیل رقابتی | OpenSearch در مقابل ElasticSearch
Competitive Analysis | OpenSearch vs. ElasticSearch
معماری OS | شاردها | ایندکس معکوس | TF-IDF | الگوریتم BM25
OS Architecture | Shards | Inverted Index | TF-IDF | BM25 Algorithm
افزونه ML Commons | الگوریتمها | انتخاب و استفاده از مدلهای LLM بر اساس اصطلاحات OS
ML Commons Plugin | Algorithms | Choosing and using LLM Models per OS jargon
نسخه نمایشی: مدل msmarco distilbert از پیش آموزش داده شده OS sentence transformer
Demo: OS pretrained sentence transformer model: msmarco distilbert
نسخه نمایشی: ONNX محلی OS sentence transformer از پیش آموزش داده شده
Demo: OS pretrained sentence transformer local ONNX
نسخه نمایشی: TORCH محلی OS sentence transformer از پیش آموزش داده شده
Demo: OS pretrained sentence transformer local TORCH
نسخه نمایشی: sentence transformers های OS که ONNX محلی ثبت نشدهاند
Demo: OS sentence transformers not registered local ONNX
نسخه نمایشی: ENCODING SPARSE از پیش آموزش داده شده OS پشتیبانی میشود
Demo: OS supported pretrained SPARSE ENCODING
نسخه نمایشی: CROSS ENCODER از پیش آموزش داده شده OS پشتیبانی میشود
Demo: OS supported pretrained CROSS ENCODER
مدل خارجی | فراخوانی مدل از راه دور | OpenAI | نسخههای نمایشی
External Model | Remote Model Call | OpenAI | Demos
طرحهای اتصال | پیش و پس از پردازش | نسخههای نمایشی
Connector Blue Prints | Pre & Post processing | Demos
Lecture اضافی: MCP (model context protocol) با Opensearch
Bonus Lecture: MCP (model context protocol) with Opensearch
مفاهیم MCP
MCP Concepts
نسخه نمایشی: پرس و جو با زبان طبیعی OpenSearch (Claude Desktop به عنوان کلاینت MCP)
Demo: Natural Language Querying OpenSearch (Claude Desktop as MCP client)
نسخه نمایشی (ادامه): پرس و جو با زبان طبیعی OpenSearch (Claude Desktop به عنوان کلاینت MCP)
Demo (cont.) Natural Language Querying OpenSearch (Claude Desktop as MCP client)
نسخه نمایشی: پرس و جو با زبان طبیعی OpenSearch (Github Copilot به عنوان کلاینت MCP)
Demo: Natural Language Querying OpenSearch (Github Copilot as MCP client)
نمایش نظرات