آموزش دیتابیس‌های برداری (Vector Databases) و Embeddingها برای برنامه‌نویسان - آخرین آپدیت

مبانی Embeddingها و دیتابیس‌های برداری Embeddings and Vector Database Fundamentals

• مقدمه و بررسی کلی Embeddingها Introduction and Overview of Embeddings

• تفاوت‌های دیتابیس‌های برداری و دیتابیس‌های سنتی Differences between Vector Databases and Traditional Databases

• نقش دیتابیس‌های برداری در مدیریت داده‌ها در سیستم‌های AI The Role of Vector Databases in Managing Data in AI Systems

نقش دیتابیس‌های برداری به عنوان حافظه خارجی در LLMها The Role of Vector Databases as External Memory in LLMs

• مقدمه و نحوه عمل دیتابیس‌های برداری به عنوان حافظه خارجی برای LLMها Introduction and How Vector Databases Serve as External Memory for LLMs

• استفاده از دیتابیس‌های برداری برای کاهش توهمات (Hallucinations) در LLM Using Vector Databases to Reduce LLM Hallucinations

• نقش Embeddingها و دیتابیس‌های برداری در سیستم‌های RAG The Role of Embeddings and Vector Databases in RAG Systems

استفاده از مدل‌های پیش‌آموزش‌دیده و APIها برای ایجاد Vector Embeddingها Using Pre-trained Models and APIs to Create Vector Embeddings

• مقدمه و استفاده از مدل‌های پیش‌آموزش‌دیده برای تبدیل کوئری‌های متنی به بردار Introduction and Using Pre-trained Models to Create Vectors from Text Queries

• دمو: تکمیل و تقویت پاسخ‌های LLM Demo: Supplementing LLM Responses

• جمع‌بندی دوره و نتیجه‌گیری Course Summary and Wrap-up