مبانی برداری: ذخیره سازی embedding ها، استفاده از توابع فاصله و انجام عملیات DML/DDL بر روی بردارها.
شاخصهای برداری: ایجاد شاخصهای HNSW و IVF برای جستجوی سریعتر برداری هوش مصنوعی.
جستجوی شباهت: اجرای جستجوهای شباهت دقیق، تقریبی و چند برداری.
Embedding های برداری: تولید و ذخیره embedding ها در داخل و خارج از پایگاه داده Oracle.
برنامههای RAG و قابلیتهای هوش مصنوعی: ساخت برنامههای RAG با PL/SQL و Python، بهرهگیری از ابزارهای Exadata AI و Autonomous.
پیش نیازها: خیر
آماده شوید تا در آزمون 1Z0-184-25 قبول شوید:
گواهینامه Oracle AI Vector Search Professional 1Z0-184-25 برای متخصصان Oracle DBA، مهندسان هوش مصنوعی و توسعهدهندگان ابر طراحی شده است تا پتانسیل Oracle Database 23ai را برای ساخت برنامههای مبتنی بر هوش مصنوعی آزاد کنند. این گواهینامه، شکاف بین مدیریت پایگاه داده سنتی و فناوریهای پیشرفته هوش مصنوعی را پر میکند و بر روی مدیریت دادههای برداری، فعالسازی جستجوهای معنایی و شباهت، و ساخت برنامههای پیشرفته مانند Retrieval-Augmented Generation (RAG) تمرکز دارد.
موضوعات آزمون:
درک مبانی برداری:
استفاده از نوع داده برداری برای ذخیره embedding ها و فعال کردن query های معنایی، استفاده از توابع و معیارهای فاصله برداری، انجام عملیات DML و DDL روی بردارها.
استفاده از شاخصهای برداری:
ایجاد شاخصهای برداری برای سرعت بخشیدن به جستجوی برداری هوش مصنوعی، استفاده از شاخصهای برداری HNSW و IVF برای query های جستجو.
انجام جستجوی شباهت:
اجرای جستجوی شباهت دقیق و تقریبی، اجرای جستجوی شباهت چند برداری برای جستجوی چند سندی.
استفاده از Embedding های برداری:
تولید Embedding های برداری در خارج و داخل پایگاه داده Oracle، ذخیره Embedding های برداری در پایگاه داده Oracle.
ساخت یک برنامه RAG:
درک مفاهیم RAG، ایجاد برنامههای RAG با استفاده از PL/SQL و Python.
بهرهگیری از قابلیتهای مرتبط با هوش مصنوعی:
استفاده از Exadata AI Storage، انتخاب هوش مصنوعی با Autonomous، SQL Loader و Oracle Data Pump برای عملیات دادههای برداری.
این گواهینامه متخصصان را برای ادغام و بهینهسازی هوش مصنوعی در پایگاههای داده سطح سازمانی آماده میکند.
Abdul Khalique
توسعه دهنده ارشد اوراکل | دارای گواهی OCI | ابر | توسعه دهنده
نمایش نظرات