لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
Redis + AI: ساخت یک پایگاه داده برداری با Redis
Redis + AI: Building a Vector Database with Redis
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره به توسعه دهندگان نشان می دهد که چگونه از ابزارهای آماده مرتبط با هوش مصنوعی در Redis برای ایجاد یک پایگاه داده برداری بهره برداری کنند. مربی Fernando Doglio با نگاهی به دادههای ساختاریافته در مقابل دادههای بدون ساختار و پایگاههای داده بهینهشده با هوش مصنوعی شروع میکند، سپس به Redis Enterprise میرود تا در مورد اینکه چگونه توسعهدهندگان میتوانند از آن به عنوان یک DB برداری استفاده کنند صحبت کند. او همچنین نمونه هایی مانند موتورهای توصیه، جستجوی معنایی و موارد دیگر را به نمایش می گذارد.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه
Introduction
آنچه شما باید بدانید
What you should know
1. درک داده ها
1. Understanding Data
استفاده از داده های ساخت یافته
Using structured data
بدون ساختار به داده های ساخت یافته
Unstructured to structured data
مثال عملی: فراداده
Practical example: Metadata
داده های بدون ساختار چیست و از کجا می آیند؟
What is unstructured data and where does it come from?
داده های ساخت یافته چیست و از کجا می آیند؟
What is structured data and where does it come from?
کدام بهتر است؟ داده های ساختاریافته در مقابل داده های بدون ساختار
Which is better? Structured vs. unstructured data
استفاده از داده های بدون ساختار: از مثال های موردی استفاده کنید
Using unstructured data: Use case examples
2. پایگاه های داده بهینه شده با هوش مصنوعی
2. AI-Optimized Databases
پایگاه داده های برداری چگونه کار می کنند؟
How do vector databases work?
نمونه هایی از موارد استفاده برای پایگاه داده های برداری
Examples of use cases for vector databases
تعبیه ها چیست؟
What are embeddings?
پایگاه داده های برداری چیست؟
What are vector databases?
پایگاه داده های بهینه شده با هوش مصنوعی چیست؟
What are AI-optimized databases?
3. Redis را وارد کنید
3. Enter Redis
استفاده از Redis به عنوان موتور توصیه: نمای کلی معماری
Using Redis as a recommendation engine: Architecture overview
استفاده از Redis به عنوان پایگاه داده بازیابی اسناد: بررسی معماری
Using Redis as a documentation retrieval database: Architecture review
معرفی سریع RediSearch و نحوه دریافت آن
Quick introduction of RediSearch and how to get it
Redis به عنوان یک پایگاه داده برداری استفاده می شود
Redis used as a vector database
4. ایجاد جستجوی شباهت تصویر
4. Building an Image Similarity Search
بررسی معماری: استفاده از Redis به عنوان یک پایگاه داده برداری
Architecture review: Using Redis as a vector database
نمای کلی پشته فناوری
Tech stack overview
معرفی پروژه برای حل
Introduction to the project to solve
بررسی اجمالی پیاده سازی: بررسی عمیق در جنبه های اصلی پیاده سازی
Implementation overview: A deep dive into the main aspects of the implementation
5. ساختن یک مثال جستجوی معنایی
5. Building a Semantic Search Example
نمای کلی پشته فناوری
Tech stack overview
فیلم پیاده سازی
Implementation video
بررسی معماری: استفاده از Redis به عنوان یک پایگاه داده برداری
Architecture review: Using Redis as a vector database
معرفی پروژه برای حل
Introduction to the project to solve
لینکدین: شبکه اجتماعی حرفهای برای ارتباط و کارآفرینی
لینکدین به عنوان یکی از بزرگترین شبکههای اجتماعی حرفهای، به میلیونها افراد در سراسر جهان این امکان را میدهد تا ارتباط برقرار کنند، اطلاعات حرفهای خود را به اشتراک بگذارند و فرصتهای شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان میدهد تا رزومه حرفهای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمنها و گروههای حرفهای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهرهمند شوند.
لینکدین همچنین به کارفرمایان امکان میدهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفهای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصتهای شغلی و گسترش شبکه حرفهای خود، نقش مهمی را ایفا میکند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفهای در دنیای امروز مورد توجه قرار دارد.
نویسنده منتشر شده، مدافع توسعه دهنده در OpenReplay
فرناندو بیش از 20 سال تجربه حرفه ای در صنعت توسعه نرم افزار دارد. او بهعنوان توسعهدهنده، طراح، معمار نرمافزار، ویرایشگر، میزبان پادکست و مدیر مهندسی داده کار کرده است و به مشتریان کمک میکند تا زیرساختهای پلتفرم مقیاسپذیر را در محل و همچنین در فضای ابری بسازند. فرناندو نویسنده هشت کتاب و بیش از 250 مقاله و متخصص در روبی، پرل، پیاچپی، پایتون و جاوا اسکریپت، عاشق پروژههای فنی پیشرو، کار با کد و ایجاد محتوای جدید برای حل مشکلات پیچیده است. او دارای مدرک کارشناسی ارشد مدیریت بازرگانی از مدرسه بازرگانی Carem است و در حال حاضر به عنوان مدافع توسعه در OpenReplay کار می کند.
نمایش نظرات