آموزش مفاهیم ضروری پایگاه داده‌های برداری (Vector Databases) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه - پیش‌نیازها و ساختار دوره Introduction - Course prerequisites and structure

بررسی عمیق پایگاه داده‌های برداری - مفاهیم بنیادی Vector Databases Deep Dive - Fundamentals

• آشنایی با پایگاه داده‌های برداری - بررسی کلی Introduction to Vector Databases - Full Overview

• چرا پایگاه داده‌های برداری؟ Why Vector Databases

• پایگاه داده‌های برداری - مزایا و ویژگی‌ها Vector Databases - Benefits and Advantages

دیتابیس‌های سنتی در مقابل برداری - تفاوت‌ها Traditional vs Vector Databases - Differences

• دیتابیس‌های سنتی در مقابل برداری - محدودیت‌ها و چالش‌ها Traditional vs Vector Databases - Limitations and Challenges

• پایگاه داده‌های برداری و Embeddingها - گردش کار کامل Vector Databases & Embeddings - Full Work Flow

• تفاوت Embeddingها و بردارها Embeddings vs Vectors – Differences

• پایگاه داده‌های برداری - نحوه عملکرد و مزایا Vector Databases - How They Work and Advantages

• موارد استفاده از پایگاه داده‌های برداری Vector Databases Use Cases

• خلاصه دیتابیس‌های برداری و سنتی Vector and Traditional Databases - Summary

راهکارهای پایگاه داده برداری - ۵ مورد از برترین‌ها Vector Databases Solutions - Top 5 Vector Databases

• بررسی ۵ مورد از برترین پایگاه داده‌های برداری The Top 5 Vector Databases - Overview

• درک مدل‌های زبانی بزرگ (LLM) Understanding LLM (Large Language Models)

ساخت پایگاه داده برداری - عملی - دیتابیس Chroma Building Vector Databases - Hands-on - Chroma Vector Database

• راه‌اندازی محیط توسعه Development Environment Setup

• نصب VS Code، پایتون و کلید API OpenAI Setup VS-Code, Python and OpenAI API Key

• گردش کار دیتابیس Chroma Chroma Database workflow

• ایجاد دیتابیس Chroma، افزودن اسناد و کوئری گرفتن Creating a Chroma Vector Database & Adding Documents & Querying them

• حلقه زدن روی نتایج و نمایش نتایج جستجوی شباهت Looping Through the Results & Showing Similarity Search Results

• تابع Embedding پیش‌فرض Chroma Chroma Default Embedding Function

• پایگاه داده Chroma - ذخیره‌سازی و ماندگاری داده‌ها Chroma Vector Database - Persisting Data and Saving

• ایجاد OpenAI Embeddings - حالت خام بدون Chroma Creating an OpenAI Embeddings - Raw without Chroma

• استفاده از API مربوط به Embedding شرکت OpenAI در Chroma Using OpenAI's Embedding API to Create Embedding in Chroma

• متریک‌ها و ساختارهای داده در دیتابیس‌های برداری Vector Databases Metrics and Data Structures

• خلاصه بخش Section Summary

معیارهای رایج شباهت برداری Common Measures of Vector Similarity

• بررسی عمیق شباهت برداری - شباهت کسینوسی (Cosine Similarity) Vector Similarity Deep Dive - Cosine Similarity

• فاصله اقلیدسی - L2 Norm Euclidean Distance - L2 Norm

• ضرب داخلی (Dot Product) Dot Product

• خلاصه بخش Section Summary

پایگاه داده‌های برداری و LLM - گردش کار کامل Vector Databases and LLM - the Full Workflow

• پایگاه داده‌های برداری و LLM - بررسی عمیق Vector Databases and LLM - Deep Dive

• بارگذاری تمامی اسناد Loading all Documents

• تولید Embedding از اسناد و درج در دیتابیس Chroma Generating Embeddings from Documents & Insert them into Chroma Database

• استخراج تکه‌های مرتبط بر اساس کوئری Getting the Relevant Chunks when Given a Query

• استفاده از OpenAI LLM برای تولید پاسخ - جریان کامل Using OpenAI LLM to Generate Response - Full Flow

• خلاصه بخش Section Summary

پایگاه داده‌های برداری و فریم‌ورک LangChain Vector Databases & the Langchain Framework

• فریم‌ورک LangChain - بررسی سریع The LangChain Framework - Quick Overview

• شروع کار با LangChain و Wrapper مربوط به OpenAIChat Getting started with LangChain and the OpenAIChat Wrapper

• بارگذاری اسناد با LangChain Document Loader Loading Documents with LangChain Document Loader

• تقسیم‌بندی اسناد با LangChain Splitting the Documents with LangChain

• ایجاد پایگاه داده برداری Chroma با LangChain Creating a Chroma Vector Database with LangChain

• دریافت پاسخ از مدل - گردش کار کامل Getting the Response from the Model - the Complete Workflow

پایگاه داده برداری Pinecone Pinecone Vector Database

• بررسی عمیق Pinecone Pinecone - Deep Dive

• ایجاد حساب Pinecone و بررسی داشبورد Create Pinecone Account & Dashboard Overview

• ایجاد Index در Pinecone از طریق کد Creating our Pinecone Index in Code

• عملیات Upsert و کوئری در Index مربوط به Pinecone Upserting and Querying our Pinecone Index

• کوئری گرفتن دستی از Pinecone در داشبورد Querying Pinecone Manually in the Dashboard

• استفاده از LangChain Pinecone Wrapper - ایجاد ایندکس، Upsert و جستجوی شباهت Using LangChain Pinecone Wrapper - Create Index and Upsert & Similarity Search

• ایجاد اشیاء Retriever و Chain و استفاده از LLM برای دریافت پاسخ Creating a Retriever and Chain Objects & a LLM to get a Response

• پاکسازی - حذف Index در Pinecone Clean up - Delete Pinecone Index

• چالش - بررسی سایر پایگاه داده‌های برداری Challenge - Explore other Vector Database

• خلاصه بخش Section Summary

انتخاب پایگاه داده برداری مناسب Choosing the Right Vector Database

• انتخاب پایگاه داده برداری مناسب - جداول مقایسه‌ای Choosing the Right Vector Database - Comparison Tables

• کدام دیتابیس را باید انتخاب کنم؟ Which Database Should I Choose?

• معیارهای انتخاب دیتابیس مناسب Choosing the Right Database - Criteria

جمع‌بندی و گام‌های بعدی Wrap up & Next Steps

• تبریکات و گام‌های بعدی Congratulations and Next Steps