کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش اجرای نمایش داده های متن کامل با Elasticsearch - آخرین آپدیت

دانلود Executing Full Text Queries with Elasticsearch

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: Elasticsearch موتور توزیع شده ، جستجو و تحلیلی است که در بالای Apache Lucene ساخته شده است. در این دوره ، اجرای نمایش داده های متن کامل با Elasticsearch ، شما می آموزید که تجزیه و تحلیل مبتنی بر متن را بر روی داده های نیمه ساختار یافته/ساختار یافته با استفاده از قابلیت های پرس و جو Elasticsearch انجام دهید. ابتدا ، جستجوی فواصل و پرس و جو را کشف خواهید کرد. در مرحله بعد ، پرس و جو عبارت Match را کشف خواهید کرد. سرانجام ، شما می آموزید که چگونه تجزیه و تحلیل رشته پرس و جو را انجام دهید. هنگامی که با این دوره به پایان رسیدید ، مهارت و دانش در مورد اعمال تجزیه و تحلیل مبتنی بر متن کامل را برای API در خانه های تجارت الکترونیکی خود در خانه خواهید داشت و با استفاده از قابلیت های جستجوی کامل مبتنی بر متن ، تجزیه و تحلیل متن پیچیده را انجام می دهید.
سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

پیاده سازی مکانیسم استعلام مبتنی بر فاصله زمانی Implementing Intervals Based Querying Mechanism

  • مقدمه ای برای دوره Introduction to the Course

  • جستجوی متن کامل Full Text Search

  • بازپرسی فواصل Intervals Query

  • نسخه ی نمایشی: پرس و جو مسابقه و فواصل Demo: Match and Intervals Query

  • نسخه ی نمایشی: جستجوی فواصل با استفاده از فیلترها Demo: Intervals Query Using Filters

  • نسخه ی نمایشی: اجرای به حداقل رساندن Demo: Implementing Minimization

  • خلاصه Summary

پیاده سازی جستجوی خاص مبتنی بر جستجوی مبتنی بر الگوی داده شده Implementing a Specific Search Based Query Based on the Given Pattern

  • آشنایی با تجزیه و تحلیل پرس و جو Introduction to Query Analytics

  • فازی Fuzziness

  • فاصله ویرایش Levenshtein Levenshtein Edit Distance

  • پارامتر ویژه برای قسمت جستجو Special Parameter for the Search Field

  • نسخه ی نمایشی: الگوهای سفارشی برای جستجو Demo: Custom Patterns for Search

  • خلاصه Summary

استخراج چندین الگو با استفاده از مکانیزم پرس و جو چند مسابقه ای Extracting Multiple Patterns Using Multi-match Querying Mechanism

  • آشنایی با پرس و جو چند مسابقه Introduction to Multi-match Querying

  • عبارت در مقابل پیشوند عبارت Phrase vs. Phrase Prefix

  • نمره اهمیت Relevance Score

  • نسخه ی نمایشی: الگوهای پرس و جو چند مسابقه Demo: Multi-match Query Patterns

  • خلاصه Summary

پیاده سازی مکانیسم سerال کردن شرایط مشترک Implementing Common Terms Querying Mechanism

  • مقدمه ای برای پرس و جو اصطلاحات متداول Introduction to Common Terms Querying

  • خواص پرس و جو اصطلاحات مشترک Properties for Common Terms Querying

  • نسخه ی نمایشی: مکانیسم پرس و جو اصطلاحات مشترک Demo: Common Terms Querying Mechanism

  • خلاصه Summary

کشف الگوهای بولی در جستجوی رشته ای Discovering Boolean Patterns within the String Based Search

  • مقدمه ای برای جستجوی مبتنی بر رشته Introduction to String Based Search

  • ویژگی های سفارشی برای جستجوی مبتنی بر پرس و جو Custom Attributes for Query Based Search

  • نسخه ی نمایشی: رشته پرس و جو Demo: Query String

  • خلاصه Summary

آموزش با استفاده از Canva و Google Slides یک برنامه ریز دیجیتال به صورت رایگان طراحی کنید

آموزش با استفاده از Canva و Google Slides یک برنامه ریز دیجیتال به صورت رایگان طراحی کنید

Design A Digital Planner For Free Using Canva & Google Slides

آموزش QuickBooks Online-Cookkeeping Business-Easy

آموزش QuickBooks Online-Cookkeeping Business-Easy

QuickBooks Online-Bookkeeping Business-Easy Way

آموزش C #: رابط ها و عمومی (2015)

آموزش C #: رابط ها و عمومی (2015)

C#: Interfaces and Generics (2015)

نمایش نظرات

آموزش اجرای نمایش داده های متن کامل با Elasticsearch
جزییات دوره
1h 2m
27
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
22
2.3 از 5
دارد
دارد
دارد
Niraj Joshi

https://donyad.com/d/397d

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Niraj Joshi Niraj Joshi

نیراژ یک ابر متخصص AWS/Azure DevSecOps با بیش از یک دهه تجربه کار در مدل سازی داده با پایگاه های داده مانند Cassandra ، MongoDB ، SparkSQL ، ElasticSearch و SQL Server است. وی بیش از 7 سال سابقه کار در زمینه ویژن رایانه ، هوش مصنوعی ، DevOps ، یادگیری ماشین و Big Data Stack را دارد ، وی مشاور شرکت هایی مانند CISCO ، ERICSSON ، عناصر پویا و JP مورگان بوده است. وی مهارت های تجسم/تجزیه و تحلیل داده ها و کاملاً مسلط به زبانهایی مانند پایتون ، R ، جولیا و اکتاو است.