آموزش Neo4j: زبان Cypher، کتابخانه GDS، GraphQL، مدل‌های زبانی بزرگ (LLM) و گراف‌های دانش برای RAG - آخرین آپدیت

سرفصل ها و درس ها

مقدمه‌ای بر Neo4j Introduction to Neo4j

• معرفی دوره Course Introduction

• مقدمه‌ای بر Neo4j: درک پایگاه‌های داده گرافی Introduction to Neo4j: Understanding Graph Databases

• کاربردهای صنعتی Neo4j: موارد استفاده رایج Industry Applications of Neo4j: Popular Use Cases

• جایگاه Neo4j در میان انواع مختلف پایگاه‌های داده Where Neo4j Fits Among Various Database Types

• مدل گراف ویژگی‌ها (Property Graph Model) Property Graph Model

• آزمایشگاه: مدل گراف ویژگی‌ها Lab: Property Graph Model

• آزمایشگاه: نصب و راه‌اندازی Neo4j روی ویندوز Lab: Neo4j Setup and Installation on Windows

• آزمایشگاه: بررسی مرورگر Neo4j و تنظیم داده‌های اولیه Lab: Explore Neo4j Browser and Set Up Initial Data

• راه‌اندازی Neo4j: گزینه‌های شما Setting Up Neo4j: Your Options

زبان پرس‌وجوی Cypher Cypher Query Language

• مقدمه‌ای بر زبان پرس‌وجوی Cypher Introduction to Cypher Query Language

• آزمایشگاه: مبانی زبان پرس‌وجوی Cypher Lab: Basics of Cypher Query Language

• سینتکس کلی زبان Cypher (اختیاری) General Syntax of Cypher Query Language (Optional)

• آزمایشگاه: تکنیک‌های فیلتر کردن با زبان Cypher Lab: Filtering Techniques with Cypher Query Language

• آزمایشگاه: تجمیع در زبان Cypher – COUNT, AVG, MIN, MAX Lab: Aggregation in Cypher Query Language – COUNT, AVG, MIN, MAX

• آزمایشگاه: عملیات CRUD در زبان Cypher Lab: CRUD Operations in Cypher Query Language

• آزمایشگاه: دستورات MERGE, WITH و RETURN Lab: MERGE, WITH, and RETURN

• آزمایشگاه: نحوه یافتن کوتاه‌ترین مسیر بین گره‌ها Lab: How to Find the Shortest Path Between Nodes

• نکته مهم: ترتیب‌بندی در Neo4j Important Point: Ordering in Neo4j

• آزمایشگاه: ایجاد چندین پروژه و DBMS در Neo4j Desktop Lab: Create Multiple Projects and DBMS in Neo4j Desktop

مورد کاربردی – داده‌های پرواز: کتابخانه علوم داده گرافی و کاربردهای آن Use Case – Flights Data: Graph Data Science Library and Its Usage

• مقدمه‌ای بر کتابخانه علوم داده گرافی (GDS) Introduction to Graph Data Science Library

• آزمایشگاه: شروع کار با Neo4j Sandbox و کتابخانه GDS Lab: Get Started with Neo4j Sandbox and GDS Library

• آزمایشگاه: نحوه استفاده از کتابخانه علوم داده گرافی Lab: How to Use the Graph Data Science Library

• آزمایشگاه: الگوریتم مرکزیت (Centrality) Lab: Centrality Algorithm

• آزمایشگاه: الگوریتم تشخیص جامعه (Community Detection) Lab: Community Detection Algorithm

• آزمایشگاه: الگوریتم شباهت گره‌ها (Node Similarity) Lab: Node Similarity Algorithm

• آزمایشگاه: الگوریتم‌های مسیریابی Lab: Path Finding Algorithm

مورد کاربردی – بررسی جرایم: Cypher پیشرفته – UNWIND و COLLECT Use Case – Crime Investigation: Advanced Cypher – UNWIND, COLLECT

• آزمایشگاه: بررسی جرایم با استفاده از Neo4j Lab: Crime Investigation Using Neo4j

• جزئیات بیشتر در مورد حل مسائل دنیای واقعی با Neo4j: کاربردها Some More Details on Solving Real-World Problems with Neo4j: Applications

مرور کلی بر GraphQL Basic Overview of GraphQL

• نمای کلی GraphQL Overview of GraphQL

• آزمایشگاه: GraphQL بخش اول – راه‌اندازی GraphQL Toolbox ارائه شده توسط Neo4j Lab: GraphQL Part 1 – Set Up GraphQL Toolbox Provided by Neo4j

• آزمایشگاه: GraphQL بخش دوم – تعریف اسکیمای GraphQL Lab: GraphQL Part 2 – Define GraphQL Schema

• آزمایشگاه: GraphQL بخش سوم – نوشتن پرس‌وجوی GraphQL Lab: GraphQL Part 3 – Write GraphQL Query

• آزمایشگاه: GraphQL بخش چهارم – Mutation در GraphQL Lab: GraphQL Part 4 – Mutation in GraphQL

مباحث متفرقه Miscellaneous Topics

• آزمایشگاه: نحوه نصب پلاگین‌های APOC و GDS Lab: How to Install APOC and GDS Plugins

• آزمایشگاه: بارگذاری داده‌ها از فایل CSV Lab: Load Data from a CSV File

• آزمایشگاه: بارگذاری داده‌ها از فایل JSON Lab: Load Data from JSON File

• آزمایشگاه اختیاری: بارگذاری داده‌های JSON از وب‌سایت با استفاده از Cypher پیچیده Optional Lab: Load JSON Data from Website Using Complex Cypher

• درس جایزه: نصب و راه‌اندازی نسخه Server Neo4j روی ویندوز Bonus Lecture: Set Up and Install Neo4j Server Edition on Windows

• درس جایزه: استفاده از Bloom برای بصری‌سازی Bonus Lecture: Using Bloom for Visualization

• چه زمانی از Neo4j استفاده نکنیم: درک محدودیت‌ها When Not to Use Neo4j: Understanding Its Limitations

بهینه‌سازی عملکرد Performance Optimization

• توصیه‌های تخصیص حافظه در Neo4j Memory Allocation Recommendations in Neo4j

• آزمایشگاه: استفاده از PROFILE و INDEX برای تنظیم عملکرد Lab: Using PROFILE and INDEX for Performance Tuning

• بهترین روش‌ها برای نوشتن پرس‌وجوهای بهینه Best Practices for Writing Optimized Queries

تعامل با Neo4j از طریق برنامه پایتون Interacting with Neo4j from a Python Program

• آزمایشگاه اختیاری: راه‌اندازی Python Anaconda روی ویندوز Optional Lab: Set Up Python Anaconda on a Windows Machine

• آزمایشگاه: نوشتن برنامه پایتون برای ایجاد گره‌ها و روابط در Neo4j Lab: Writing a Python Program to Create Nodes and Relationships in Neo4j

روندهای نوظهور در Neo4j و ادغام با هوش مصنوعی: LLMها و GraphRAG (مبحث پیشرفته) Emerging Trends in Neo4j and AI Integration: LLMs and GraphRAG (Advanced Topic)

• درس مقدماتی سریع (اختیاری) درباره هوش مصنوعی مولد برای مبتدیان (Optional) Quick Introductory Lecture on Generative AI for Beginners

• مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs) برای هوش مصنوعی مولد Introduction to Large Language Models (LLMs) for Generative AI

• ساخت گراف دانش از داده‌های بدون ساختار با استفاده از LLMها Building a Knowledge Graph from Unstructured Data Using LLMs

• آزمایشگاه: ساخت گراف دانش از داده‌های بدون ساختار – بخش اول: کلید API OpenAI Lab: Build KG from Unstructured Data with LLMs – Part 1: OpenAI API Key

• آزمایشگاه: ساخت گراف دانش از داده‌های بدون ساختار – بخش دوم: راه‌اندازی Neo4j در Sandbox Lab: Build KG from Unstructured Data with LLMs – Part 2: Set Up Neo4j on Sandbox

• آزمایشگاه: ساخت گراف دانش از داده‌های بدون ساختار – بخش سوم: راه‌اندازی Colab برای پایتون Lab: Build KG from Unstructured Data with LLMs – Part 3: Set Up Colab for Python

• آزمایشگاه: ساخت گراف دانش از داده‌های بدون ساختار – بخش چهارم: کد پایتون Lab: Build KG from Unstructured Data with LLMs – Part 4: Python Code

• آزمایشگاه: ساخت گراف دانش از داده‌های بدون ساختار – بخش پنجم: کد پایتون Lab: Build KG from Unstructured Data with LLMs – Part 5: Python Code

• آزمایشگاه: ساخت گراف دانش از داده‌های بدون ساختار – بخش ششم: کد پایتون Lab: Build KG from Unstructured Data with LLMs – Part 6: Python Code

• آزمایشگاه: ساخت گراف دانش از داده‌های بدون ساختار – بخش پایانی: جمع‌بندی Lab: Build KG from Unstructured Data with LLMs – Last Part: Summary

• مقدمه‌ای بر تکنیک RAG (تولید تقویت‌شده با بازیابی) Introduction to the RAG Technique (Retrieval-Augmented Generation)

• GraphRAG: استفاده از گراف‌های دانش برای RAG GraphRAG: Using Knowledge Graphs for RAG