آموزش پایگاه داده‌های برداری: کاربردهای عملی - آخرین آپدیت

دانلود Vector Databases: Practical Applications

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: پایگاه داده‌های برداری اکنون بخش اصلی سیستم‌های هوش مصنوعی مدرن هستند، اما بسیاری از توسعه‌دهندگان برای تبدیل مفاهیم سطح بالا به پیاده‌سازی‌های عملی با چالش روبرو هستند. در این دوره آموزشی با عنوان «پایگاه داده‌های برداری: کاربردهای عملی»، شما توانایی طراحی و ساخت برنامه‌های واقعی را کسب می‌کنید که از شباهت برداری (Vector Similarity) برای حل مسائل مهم استفاده می‌کنند. ابتدا با بررسی معماری‌های رایج، الگوی اصلی برنامه‌های جستجوی برداری را می‌شناسید. سپس کشف خواهید کرد که چگونه این الگو در موارد استفاده واقعی مانند RAG (تولید تقویت‌شده با بازیابی)، سیستم‌های پیشنهاددهنده، جستجوی ترکیبی (Hybrid Search)، جستجوی شباهت چهره و تشخیص ناهنجاری‌ها به کار می‌رود. در نهایت، نحوه طراحی شمای ایندکس و ارزیابی عملکرد برنامه را با استفاده از معیارهای دقیق می‌آموزید تا سیستم‌های شما طبق انتظار مقیاس‌پذیر باشند و عمل کنند. در پایان این دوره، شما مهارت‌ها و دانش لازم برای به‌کارگیری عملی پایگاه داده‌های برداری را برای ساخت، ارزیابی و بهینه‌سازی برنامه‌های هوش مصنوعی آماده برای محیط عملیاتی (Production-ready) خواهید داشت.

سرفصل ها و درس ها

به‌کارگیری جستجوی برداری در تولید تقویت‌شده با بازیابی (RAG) Applying vector search to retrieval-augmented generation (RAG)

  • برقراری الگوی جستجوی برداری Establishing the vector search pattern

  • استفاده از پایگاه داده‌های برداری برای انجام جستجوی معنایی Using vector databases to perform semantic search

  • ساخت خط لوله RAG در پایتون Building a RAG pipeline in Python

ساخت سیستم‌های پیشنهاددهنده با پایگاه داده‌های برداری Building recommendation systems with vector databases

  • طراحی سیستم پیشنهاددهنده مبتنی بر بردار Designing a vector-based recommender

  • پیاده‌سازی سیستم‌های پیشنهاددهنده در پایتون Implementing recommendations in Python

کاربردهای پیشرفته جستجوی برداری Advanced vector search applications

  • جستجوی ترکیبی و چندوجهی Hybrid and multimodal search

  • جستجوی شباهت چهره Facial similarity search

  • تشخیص ناهنجاری با استفاده از جاسازی‌های برداری (Vector Embeddings) Anomaly detection with vector embeddings

طراحی شمای ایندکس و ارزیابی عملکرد Designing index schemas and evaluating performance

  • طراحی شمای ایندکس برای برنامه‌های واقعی Designing index schemas for real applications

  • اندازه‌گیری تاخیر، فراخوانی و دقت Measuring latency, recall, and accuracy

  • بهینه‌سازی بر اساس نتایج اندازه‌گیری شده Iterating based on measured results

نمایش نظرات

آموزش پایگاه داده‌های برداری: کاربردهای عملی
جزییات دوره
53m
11
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
3
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kesha Williams Kesha Williams

کشا ویلیامز یک مدیر مهندسی نرم افزار، مربی، سخنران، وبلاگ نویس فناوری، و مدافع STEM است.

کشا (تلفظ KEY-SHA) ویلیامز یک جایزه است. مهندس نرم افزار برنده با بیش از 20 سال تجربه متخصص در توسعه برنامه های کاربردی وب با استفاده از Java، Spring، Angular، و خدمات وب آمازون (AWS). او هزاران توسعه‌دهنده نرم‌افزار را در ایالات متحده، اروپا و آسیا آموزش داده و در حین تدریس جاوا در سطح دانشگاه، آموزش داده است. او کار خود را با آژانس امنیت ملی (NSA) آغاز کرد.

کشا اخیراً برنده جایزه آدا لاولیس در مهندسی کامپیوتر از LookFar و جایزه نوآوری متفاوت بیندیشید از Chick-fil-A برای کارش با فناوری‌های نوظهور شد. و هوش مصنوعی (AI). او اخیراً در کمپین آمازون "Alexa Women of Voice" و مجموعه #WePowerTech از A Cloud Guru حضور داشت. او در اوقات فراغت خود، اخبار جاوا را برای InfoQ می نویسد، بخش فناوری جورجیا را رهبری می کند، در کنفرانس های فنی در سراسر جهان سخنرانی می کند، به عنوان مربی با آکادمی علوم نیویورک خدمت می کند، و کارگاه های رایگان «ساعت کد» را برای کودکان برگزار می کند. در کتابخانه محلی او.