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

نتیجه گیری Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

Redis + AI: ساخت یک پایگاه داده برداری با Redis
جزییات دوره
2h 32m
27
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
1,860
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Fernando Doglio Fernando Doglio

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.