آموزش نئو۴جی: سایفر، جی‌دی‌اس، گراف‌کی‌یو‌ال، ال‌ال‌ام، گراف دانش برای بازیابی تقویت‌شده تولید (RAG) - آخرین آپدیت

دانلود Neo4j: Cypher, GDS, GraphQL, LLM, Knowledge Graphs for RAG

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

توجه:

۱. دموها فقط در ویندوز ضبط شده‌اند.

۲. این دوره شامل بیشتر کاربردهای عملی، مجموعه‌داده‌ها و کوئری‌هایی است که در وب‌سایت رسمی سندباکس Neo4j موجود هستند. هدف این است که شما را در این کوئری‌ها و مفاهیم پیچیده Cypher به روشی آسان و کارآمد راهنمایی کنیم.

۳. این دوره مبانی برنامه‌نویسی پایتون را پوشش نمی‌دهد.

۴. دانش پایتون مورد نیاز است (فقط برای آزمایشگاه‌ها در بخش‌های ۸ و ۹)


به‌روزرسانی دوره:

نوامبر ۲۰۲۴ - دو بخش جدید اضافه شد:

بخش ۸: تعامل با Neo4j از طریق برنامه پایتون

بخش ۹: روندهای نوظهور در ادغام Neo4j و هوش مصنوعی: LLMها و GraphRAG


دوره جامع آموزش Neo4j، Cypher و GDS: ساخت گراف دانش با LLM و GraphRAG

به دوره "گراف دانش با Neo4j، Cypher و GDS" خوش آمدید! این دوره جامع، دروازه ورود شما به دنیای قدرتمند پایگاه داده‌های گراف است، فناوری پیشرفته‌ای که نحوه مدیریت روابط پیچیده داده‌ها را تغییر می‌دهد. این دوره برای علاقه‌مندان به داده، توسعه‌دهندگان و هر کسی که مشتاق به کشف مرزهای فناوری داده است، طراحی شده و شما را به مهارت‌های ساخت و پرس‌وجو از گراف‌های دانش قوی با استفاده از Neo4j مجهز می‌کند.

ما سفر خود را با معرفی Neo4j آغاز می‌کنیم و به بررسی این موضوع می‌پردازیم که چه چیزی پایگاه داده‌های گراف را منحصربه‌فرد و برای چالش‌های مدرن داده ضروری می‌سازد. شما با معماری و ویژگی‌های اصلی Neo4j آشنا می‌شوید و یک پایه محکم برای یادگیری خود ایجاد می‌کنید.

در ادامه، به کاربردهای صنعتی Neo4j می‌پردازیم. از طریق مطالعات موردی واقعی، خواهید دید که Neo4j چگونه صنایع مختلف، از امور مالی تا مراقبت‌های بهداشتی را متحول می‌کند و تطبیق‌پذیری و تأثیر آن را به نمایش می‌گذارد.

درک اینکه Neo4j در اکوسیستم داده در کجا قرار می‌گیرد بسیار مهم است، بنابراین ما موقعیت Neo4j در میان انواع پایگاه داده‌ها را بررسی خواهیم کرد و به شما کمک می‌کنیم نقش منحصربه‌فرد آن را در مقایسه با پایگاه داده‌های سنتی درک کنید.

سپس بر روی مدل گراف ویژگی‌دار، ستون فقرات Neo4j، تمرکز می‌کنیم و اجزای آن و اینکه چرا برای نمایش داده‌های پیچیده و مرتبط عالی است را توضیح می‌دهیم.

آزمایشگاه‌های عملی ما با نصب و راه‌اندازی Neo4j در ویندوز شروع می‌شود. شما یاد خواهید گرفت که چگونه Neo4j را راه‌اندازی و اجرا کنید، مرورگر Neo4j را کاوش کنید و مجموعه داده اولیه خود را تنظیم کنید. ما همچنین گزینه‌های مختلف برای راه‌اندازی Neo4j، چه در ابر، چه در محل و چه در تنظیمات ترکیبی را پوشش خواهیم داد.

قدرت پرس‌وجو با معرفی زبان پرس‌وجوی Cypher، زبان پرس‌وجوی رسا و قدرتمند Neo4j، باز می‌شود. شما Cypher را از طریق یک سری آزمایشگاه‌های عملی، با شروع از نحو کلی Cypher و حرکت به سمت موضوعات پیشرفته‌تر مانند تکنیک‌های فیلتر کردن، تجمیع، عملیات CRUD و ویژگی‌های پیشرفته مانند MERGE، WITH و RETURN تسلط خواهید یافت.

در آزمایشگاه کوتاه‌ترین مسیر، یاد خواهید گرفت که چگونه سریع‌ترین مسیر بین گره‌ها را پیدا کنید، یک مهارت اساسی در تجزیه و تحلیل گراف.

سپس یک چالش هیجان‌انگیز را با مورد استفاده تحقیقات جنایی با استفاده از Neo4j ارائه می‌دهیم، جایی که شما آنچه را که آموخته‌اید برای حل یک معما به کار خواهید برد.

اما یادگیری در اینجا متوقف نمی‌شود! ما به درک کتابخانه علم داده گراف با یک مورد استفاده جذاب داده‌های پرواز می‌رویم. در اینجا، شما الگوریتم‌های قدرتمند در کتابخانه علم داده گراف Neo4j را از طریق آزمایشگاه‌های عملی، از جمله مرکزیت، تشخیص جامعه، شباهت گره و یافتن مسیر کاوش خواهید کرد.

عملکرد در پایگاه داده‌های گراف بسیار مهم است، بنابراین ما توصیه‌های تخصیص حافظه در Neo4j را پوشش می‌دهیم و بهترین شیوه‌ها برای نوشتن کوئری‌های بهینه‌سازی شده را به اشتراک می‌گذاریم و اطمینان می‌دهیم که کوئری‌های شما کارآمد هستند و پایگاه داده‌های شما به آرامی اجرا می‌شوند.

ما همچنین برخی از روندهای نوظهور در ادغام Neo4j با هوش مصنوعی را پوشش خواهیم داد. در اینجا، بررسی خواهیم کرد که مدل‌های زبانی بزرگ چه هستند و چگونه می‌توان از آنها برای استخراج نهادها از داده‌های بدون ساختار و تبدیل آنها به یک گراف دانش استفاده کرد. ما این مورد استفاده سرتاسری را با کمک کد پایتون درک خواهیم کرد. لطفا توجه داشته باشید، این دوره اصول اولیه پایتون را به شما آموزش نمی‌دهد. در پایان، برخی از موضوعات پیشرفته مانند تولید تقویت‌شده بازیابی (Retrieval-Augmented Generation) و GraphRAG را پوشش خواهیم داد و درک خواهیم کرد که چگونه از این تکنیک‌ها می‌توان برای ایجاد زمینه بهتر برای LLMها استفاده کرد.

در پایان این دوره، درک کاملی از Neo4j، Cypher و کتابخانه علم داده گراف خواهید داشت. شما آماده خواهید بود تا با اطمینان و تخصص گراف‌های دانش خود را بسازید، پرس‌وجو کنید و بهینه‌سازی کنید. به ما بپیوندید و اولین قدم را برای تبدیل شدن به یک متخصص Neo4j و پایگاه داده گراف بردارید!

آموزش Neo4j، Cypher، GDS، GraphQL و GraphRAG: دوره ساخت گراف دانش با هوش مصنوعی LLM

یادگیری عملی Neo4j، زبان Cypher، کتابخانه GDS، GraphQL، GraphRAG و ساخت گراف دانش از داده‌های بدون ساختار با استفاده از LLM.

پایگاه داده گراف: Neo4j

زبان پرس و جو Cypher: از سطح مبتدی تا پیشرفته

موارد استفاده از Neo4j و پایگاه داده گراف

کتابخانه علم داده گراف

مروری ابتدایی بر GraphQL

مروری بر Bloom

یکپارچه سازی Neo4j و هوش مصنوعی - ایجاد گراف دانش از داده های بدون ساختار با استفاده از Open AI LLM

مروری بر RAG و Graph RAG - گراف دانش به عنوان RAG

پیش نیازها:

دانش پایه از پایگاه داده ها و پرس و جو

مبانی برنامه نویسی پایتون


سرفصل ها و درس ها

مقدمه‌ای بر Neo4j Introduction to Neo4j

  • معرفی دوره Course Introduction

  • نکات و جزئیات برای بهره‌مندی حداکثری از این دوره Tips and Details to Get the Most Out of This Course

  • مقدمه‌ای بر Neo4j: درک پایگاه داده‌های گراف Introduction to Neo4j: Understanding Graph Databases

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

  • جایگاه Neo4j در بین انواع مختلف پایگاه داده Where Neo4j Fits Among Various Database Types

  • مدل گراف ویژگی‌دار Property Graph Model

  • آزمایشگاه: مدل گراف ویژگی‌دار Lab: Property Graph Model

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

  • آزمایشگاه: کاوش در مرورگر Neo4j و تنظیم داده‌های اولیه Lab: Explore Neo4j Browser and set up initial data

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

  • دانلود منابع برای تمام تمرین‌ها/آزمایشگاه‌های عملی Download resources for all hands-on/lab exercises

زبان پرس‌و‌جو Cypher Cypher Query Language

  • مقدمه‌ای بر زبان پرس‌و‌جو Cypher Introduction to Cypher Query Language

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

  • نحو کلی زبان پرس‌و‌جو Cypher (اختیاری) General syntax of Cypher Query Language (Optional)

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

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

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

  • آزمایشگاه: 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: مرتب‌سازی 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 استفاده - داده‌های پرواز: کتابخانه علم داده گراف و کاربرد آن Use Case - Flights Data: Graph Data Science Library and Its Usage

  • مقدمه‌ای بر کتابخانه علم داده گراف Introduction to Graph Data Science Library

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

  • آزمایشگاه: نحوه استفاده از کتابخانه علم داده گراف Lab: How to use the Graph Data Science library

  • آزمایشگاه: الگوریتم مرکزیت Lab: Centrality Algorithm

  • آزمایشگاه: الگوریتم تشخیص اجتماع Lab: Community Detection Algorithm

  • آزمایشگاه: الگوریتم شباهت گره Lab: Node Similarity Algorithm

  • آزمایشگاه: الگوریتم مسیریابی Lab: Path Finding Algorithm

مورد استفاده - تحقیقات جنایی: Cypher پیشرفته - UNWIND، COLLECT Use Case - Crime Investigation: Advanced Cypher - UNWIND, COLLECT

  • آزمایشگاه: تحقیقات جنایی با استفاده از Neo4j Lab: Crime Investigation Using Neo4j

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

مرور اجمالی GraphQL Basic Overview of GraphQL

  • مروری بر GraphQL Overview of GraphQL

  • آزمایشگاه: GraphQL قسمت 1 - راه‌اندازی جعبه‌ابزار GraphQL ارائه شده توسط Neo4j Lab: GraphQL Part 1 - Setup GraphQL Toolbox provided by Neo4j

  • آزمایشگاه: GraphQL قسمت 2 - تعریف طرحواره GraphQL Lab: GraphQL Part 2- Define GraphQL Schema

  • آزمایشگاه: GraphQL قسمت 3 - نوشتن پرس‌و‌جو GraphQL Lab: GraphQL Part 3- Write GraphQL Query

  • آزمایشگاه: GraphQL قسمت 4 - جهش 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: بارگیری داده‌ها از یک فایل CSV Lab: Load Data from a CSV file

  • آزمایشگاه: بارگیری داده‌ها از فایل JSON Lab: Load Data from JSON file

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

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

  • سخنرانی جایزه: استفاده از Bloom برای تجسم Bonus Lecture: Using Bloom for Visualization

  • چه زمانی از Neo4j استفاده نکنیم: درک محدودیت‌های آن 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 شیوه‌ها برای نوشتن پرس‌و‌جوهای بهینه شده Best Practices for Writing Optimized Queries

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

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

  • آزمایشگاه: نوشتن یک 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 هوش مصنوعی: LLMها و GraphRAG (موضوع پیشرفته) Emerging Trends in Neo4j and AI Integration: LLMs and GraphRAG (Advanced Topic)

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

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

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

  • آزمایشگاه: ساخت KG از داده‌های بدون ساختار با LLMها - قسمت 1: کلید API OpenAI Lab: Build KG from Unstructured Data with LLMs – Part 1: OpenAI API Key

  • آزمایشگاه: ساخت KG از داده‌های بدون ساختار با LLMها - قسمت 2: راه‌اندازی Neo4j در Sandbox Lab: Build KG from Unstructured Data with LLMs – Part 2: Set Up Neo4j on Sandbox

  • آزمایشگاه: ساخت KG از داده‌های بدون ساختار با LLMها - قسمت 3: راه‌اندازی Colab برای پایتون Lab: Build KG from Unstructured Data with LLMs – Part 3: Set Up Colab for Python

  • آزمایشگاه: ساخت KG از داده‌های بدون ساختار با LLMها - قسمت 4: کد پایتون Lab: Build KG from Unstructured Data with LLMs – Part 4: Python Code

  • آزمایشگاه: ساخت KG از داده‌های بدون ساختار با LLMها - قسمت 5: کد پایتون Lab: Build KG from Unstructured Data with LLMs – Part 5: Python Code

  • آزمایشگاه: ساخت KG از داده‌های بدون ساختار با LLMها - قسمت 6: کد پایتون Lab: Build KG from Unstructured Data with LLMs – Part 6: Python Code

  • آزمایشگاه: ساخت KG از داده‌های بدون ساختار با LLMها - قسمت آخر: خلاصه Lab: Build KG from Unstructured Data with LLMs – Last Part: Summary

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

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

  • کد پایتون گام به گام: گراف دانش برای RAG Step-by-Step Python Code: Knowledge Graph for RAG

نتیجه‌گیری Conclusion

  • تبریک و تشکر از شما! Congratulations and Thank you!

نمایش نظرات

آموزش نئو۴جی: سایفر، جی‌دی‌اس، گراف‌کی‌یو‌ال، ال‌ال‌ام، گراف دانش برای بازیابی تقویت‌شده تولید (RAG)
جزییات دوره
2.5 hours
61
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
702
4.5 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

Cramlays, Nitin Gujral Cramlays, Nitin Gujral

مدرس در Udemy