آموزش مقدمه ای بر کیورنت (پایگاه داده برداری) با استفاده از پایتون - آخرین آپدیت

دانلود Introduction to Qdrant (Vector Database) Using Python

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

آموزش Qdrant (دیتابیس برداری): از صفر تا صد

یادگیری اصول Qdrant (پایگاه داده برداری)، فهرست‌بندی داده‌ها، اسنپ‌شات‌ها، کار با کلاینت پایتون به همراه مثال‌ها و موارد بیشتر!

مباحث اصلی آموزش Qdrant

  • مقدمه‌ای بر پایگاه‌های داده برداری
  • معرفی Qdrant و نصب آن
  • مجموعه‌ها، سگمنت‌ها و نقاط در Qdrant
  • فیلدهای برداری و بار (Payload) در یک مجموعه
  • فهرست‌بندی بردار و بار
  • جستجوی شباهت برداری در یک مجموعه و فیلتر کردن نتایج بر اساس بار
  • کوانتیزاسیون بردارها
  • پیکربندی سرور Qdrant

پیش‌نیازهای این دوره

  • برنامه‌نویسی پایتون
  • مبانی Docker و Docker Compose
  • دستورات پایه لینوکس

Qdrant یک پایگاه داده برداری متن‌باز با موتور جستجوی شباهت برداری داخلی است. Qdrant با زبان Rust نوشته شده و ثابت شده است که حتی تحت بار بالا در محیط‌های عملیاتی، سریع و قابل اعتماد است. Qdrant یک API مناسب برای ذخیره، جستجو و مدیریت بردارها به همراه بار (Payload) مرتبط با بردارها ارائه می‌دهد.

این دوره به شما مهارت‌های عملی جامعی در کار با Qdrant با استفاده از رابط پایتون آن ارائه می‌دهد. قبل از شروع، لازم است دانش اولیه‌ای در موارد زیر داشته باشید:

  • برنامه‌نویسی پایتون
  • دستورات لینوکس
  • Docker و Docker Compose

برخی از نکات برجسته این دوره عبارتند از:

  • تمام سخنرانی‌ها از ابتدا طراحی شده‌اند تا مباحث پیچیده را آسان کنند.
  • مثال‌های عملی فراوانی در سخنرانی‌های ویدئویی نشان داده شده است.
  • دفترچه‌های یادداشت پایتون قابل دانلود برای مثال‌هایی که در دوره استفاده شده‌اند.
  • سخنرانی‌های ویدئویی دقیق و آموزنده.
  • آزمون در پایان هر سخنرانی ویدئویی مهم.
  • پوشش طیف گسترده‌ای از مباحث اساسی در Qdrant.

پس از اتمام این دوره، شما قادر خواهید بود:

  • Qdrant را با استفاده از پایتون نصب و با آن کار کنید.
  • مجموعه‌ها را در Qdrant مدیریت کنید.
  • جستجوی برداری را بر روی بردارهای ذخیره شده در مجموعه Qdrant انجام دهید.
  • نتایج جستجو را فیلتر کنید.
  • اسنپ‌شات‌ها را ایجاد و مدیریت کنید.
  • از Qdrant برای ساخت برنامه‌های هوش مصنوعی مقیاس‌پذیر در دنیای واقعی استفاده کنید.

این دوره به طور دوره‌ای به روز می‌شود و اکنون ثبت نام کنید تا دسترسی مادام‌العمر به این دوره داشته باشید!


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • پایگاه داده های برداری Vector Databases

  • اجزای پایگاه داده برداری Components of a Vector Databases

  • تعبیه‌سازی برداری Vector Embeddings

  • تعبیه‌سازی برداری Vector Embeddings

  • معیارهای شباهت برداری Vector Similarity Metrics

  • شباهت برداری Vector Similarity

Qdrant - مبانی Qdrant - Basics

  • مقدمه و نصب Introduction and Installation

  • مدل ذخیره سازی Qdrant Qdrant Storage Model

  • مدل ذخیره سازی Qdrant Qdrant Storage Model

  • مجموعه ها Collections

  • مجموعه ها Collections

  • نقاط Points

  • نقاط Points

  • بارگیری یک مجموعه داده در Qdrant Loading a Dataset into Qdrant

  • جستجوی شباهت برداری در Qdrant - قسمت 1 Vector Similarity Search in Qdrant - Part 1

  • جستجوی شباهت - قسمت 1 Similarity Search - Part 1

  • جستجوی شباهت برداری در Qdrant - قسمت 2 Vector similarity search in Qdrant - Part 2

  • جستجوی شباهت - قسمت 2 Similarity Search - Part 2

Qdrant - پیشرفته Qdrant - Advanced

  • شاخص های Payload Payload Indexes

  • شاخص های Payload Payload Indexes

  • شاخص برداری Vector Index

  • اندیس گذاری بردارها Indexing the Vectors

  • کمی سازی برداری - قسمت 1 Vector Quantization - Part 1

  • کمی سازی - قسمت 1 Quantization - Part 1

  • کمی سازی برداری - قسمت 2 Vector Quantization - Part 2

  • کمی سازی برداری - قسمت 2 Vector Quantization - Part 2

  • عکس فوری (Snapshot) Snapshots

  • پیکربندی Qdrant Configuring Qdrant

  • بهینه سازها Optimizers

  • Qdrant - کلاینت پایتون غیر همزمان Qdrant - Async Python Client

Qdrant - مثال ها (اختیاری) Qdrant - Examples (Optional)

  • Qdrant + Tensorflow Qdrant + Tensorflow

  • Qdrant + OpenAI Qdrant + OpenAI

  • Qdrant + LangChain Qdrant + LangChain

نتیجه گیری Conclusion

  • نتیجه گیری Conclusion

نمایش نظرات

آموزش مقدمه ای بر کیورنت (پایگاه داده برداری) با استفاده از پایتون
جزییات دوره
2 hours
24
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
212
4.1 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

Vijay Anand Ramakrishnan Vijay Anand Ramakrishnan

مدرس آموزش و پرورش شبدر طلایی