آموزش پایگاه داده‌های گراف: Neo4j، RDF، گراف‌های دانش و GraphRAG - آخرین آپدیت

دانلود Graph Databases: Neo4j, RDF, Knowledge Graphs & GraphRAG

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: آموزش جامع Neo4j به همراه پایتون و Cypher، GraphQL، گراف‌های دانش (Knowledge Graphs)، RDF، الگوریتم‌های گراف، LangChain و GraphRAG از صفر در این دوره، مفاهیم بنیادی پایگاه داده‌های گراف و تفاوت‌های آن‌ها با پایگاه داده‌های سنتی را درک خواهید کرد. یاد می‌گیرید چگونه از Neo4j استفاده کنید، کوئری‌های Cypher بنویسید و با استفاده از پایتون با داده‌های گرافی کار کنید. الگوریتم‌های گرافی مانند BFS، DFS و کوتاه‌ترین مسیر را برای حل مسائل دنیای واقعی به کار خواهید گرفت. گراف‌های دانش را خواهید ساخت و مفاهیم RDF، SPARQL، GraphQL و GraphRAG را فرا خواهید گرفت. همچنین یاد می‌گیرید که چگونه جریان‌های کاری RAG را با استفاده از LangChain توسعه دهید. پیش نیازها: هیچ تجربه قبلی در زمینه پایگاه داده‌های گراف مورد نیاز نیست. این دوره برای مبتدیان مطلق طراحی شده است. تنها به یک لپ‌تاپ یا کامپیوتر دسکتاپ با اتصال اینترنت پایدار نیاز دارید.

به دوره جامع پایگاه داده‌های گراف خوش آمدید

این دوره یک راهنمای کامل از سطح مبتدی تا پیشرفته برای پایگاه داده‌های گراف است. شما خواهید آموخت که سیستم‌های مدرن چگونه از گراف‌ها برای مدل‌سازی روابط پیچیده استفاده می‌کنند و چگونه برنامه‌های کاربردی واقعی را با استفاده از Neo4j، پایتون، RDF، گراف‌های دانش و GraphRAG بسازید.

آنچه خواهید آموخت:

• درک ماهیت پایگاه داده‌های گراف و تفاوت آن‌ها با پایگاه داده‌های رابطه‌ای
• یادگیری مفاهیم تئوری گراف مانند گره‌ها (Nodes)، روابط (Relationships)، گراف‌های جهت‌دار، گراف‌های چرخه‌ای و DAGها
• کار با Neo4j و نوشتن کوئری‌های بهینه Cypher
• استفاده از پایتون برای ایجاد خط لوله‌ها (Pipelines) و اتوماتیک‌سازی جریان داده‌های گراف
• پیاده‌سازی الگوریتم‌های گرافی مانند BFS، DFS، کوتاه‌ترین مسیر و الگوریتم دایجسترا
• آموزش RDF، SPARQL، GraphQL، گراف‌های دانش، خط لوله‌های RAG با LangChain و GraphRAG

ویژگی‌های برجسته دوره:

• توضیحات مبتدی-پسند همراه با آموزش‌های بصری
• ادغام عملی Neo4j و پایتون
• پروژه‌های واقعی شامل سیستم‌های مسیریابی و تشخیص کلاهبرداری
• پوشش هر دو نوع گراف‌های ویژگی (Property Graphs) و گراف‌های معنایی (Semantic Graphs)
• مفاهیم مدرن هوش مصنوعی مانند گراف‌های دانش، RAG و GraphRAG
• تمرکز کاربردی با کدنویسی و نمونه‌های واقعی

این دوره برای چه کسانی است:

• مبتدیانی که می‌خواهند پایگاه داده‌های گراف را از صفر یاد بگیرند
• توسعه‌دهندگان نرم‌افزار و مهندسان بک‌اند
• مهندسان داده و دانشمندان داده
• مهندسان هوش مصنوعی و یادگیری ماشین علاقه‌مند به گراف‌های دانش
• هر کسی که درباره سیستم‌های مبتنی بر گراف و معماری‌های مدرن داده کنجکاو است

چرا این دوره را انتخاب کنید:

پایگاه داده‌های گراف به طور فزاینده‌ای در زمینه‌هایی مانند سیستم‌های پیشنهاددهنده، تشخیص کلاهبرداری، شبکه‌های اجتماعی و برنامه‌های مبتنی بر هوش مصنوعی استفاده می‌شوند. این دوره یک مسیر یادگیری ساختاریافته با مهارت‌های عملی به شما ارائه می‌دهد که می‌توانید مستقیماً در پروژه‌ها و مشاغل واقعی به کار ببرید.


در پایان این دوره، شما درک عمیقی از پایگاه داده‌های گراف خواهید داشت و اعتماد به نفس لازم برای کار با Neo4j، پایتون، الگوریتم‌های گراف، RDF، گراف‌های دانش و GraphRAG در کاربردهای واقعی را به دست خواهید آورد.

همین حالا ثبت‌نام کنید و تسلط بر پایگاه داده‌های گراف را گام به گام آغاز کنید.


سرفصل ها و درس ها

مقدمه‌ای بر پایگاه داده‌های گراف Introduction to Graph Databases

  • مقدمه Introduction

  • چه زمانی از پایگاه داده‌های گراف استفاده کنیم When to use Graph Databases

  • دانلود منابع Download Resources

تئوری گراف Graph Theory

  • تئوری گراف بخش اول Graph Theory Part-1

  • تئوری گراف بخش دوم Graph Theory Part-2

  • جمع‌بندی تئوری گراف Graph Theory

پایگاه داده‌های گراف Graph Databases

  • انواع مختلف پایگاه داده‌های گراف Different Types of Graph Databases

آشنایی با Neo4j Introduction to Neo4j

  • نصب Neo4j در ویندوز Neo4j Installation on Windows

  • ایجاد Instance در Neo4j Create Instance in Neo4j

  • ایجاد گره‌ها و یال‌ها در Neo4j Create Nodes & Edges in Neo4j

  • ایجاد گراف‌های بدون جهت در Neo4j Create Undirected Graphs in Neo4j

  • کوئری زدن در گراف: عملیات Match Query a Graph in Neo4j: Match Operation

  • به‌روزرسانی ویژگی‌های گراف در Neo4j Update Properties of a Graph in Neo4j

  • عملیات حذف در Neo4j Neo4j Delete Operation

  • اندکس‌گذاری در Neo4j Neo4j Indexing

  • تکنیک‌های پیشرفته اندکس‌گذاری در Neo4j Advanced Indexing Techniques in Neo4j

  • مدل‌سازی داده‌ها در Neo4j Data Modelling in Neo4j

  • آزمون Neo4j Neo4j Quiz

برنامه‌نویسی پایتون از مقدماتی تا پیشرفته Basic to Advanced Python Programming

  • پایتون چگونه کار می‌کند How Python Works

  • نصب پایتون در ویندوز Python Installation on Windows

  • متغیرها در پایتون Variables in Python

  • حلقه‌ها در پایتون Loops in Python

  • ساختارهای داده در پایتون Python Data Structure

  • وارد کردن پکیج‌ها در پایتون Import Packages in Python

  • نحوه تعریف متدها در پایتون How to Create Methods in Python

  • مدیریت استثناها (Exception Handling) در پایتون Exception Handling in Python

  • برنامه‌نویسی شی‌گرا (OOP) در پایتون Object Oriented Programming in Python

  • List Comprehension در پایتون List Comprehension in Python

  • کار با فایل‌ها در پایتون Python File Handling

  • ژنراتورها و دکوراتورها در پایتون Generator & Decorator in Python

  • پردازش موازی (Multiprocessing) در پایتون Python Multiprocessing

  • Asyncio در پایتون Asyncio in Python

  • توابع Lambda در پایتون Lambda Functions in Python

  • توابع Map، Filter و Reduce در پایتون Map, Filter & Reduce in Python

پایتون به همراه Neo4j Python with Neo4j

  • راه‌اندازی پایتون و Neo4j در ویندوز Python and Neo4j Setup on Windows

  • ایجاد گره‌ها با استفاده از کوئری Cypher در پایتون Create Nodes Using Cypher Query with Python

  • راه‌اندازی محیط مجازی (Virtual Environment) Setup Virtual Environment

  • نصب پکیج‌های مورد نیاز Installed Required Packages

  • نحوه مدیریت محیط مجازی در پایتون How to Setup Virtual Environment in Python

  • ایجاد داده‌های تصادفی با پکیج Faker Create Dummy Data with Python Faker Package

  • برقراری اتصال با Instance نئو فور جی Establish Connection with Neo4j Instance

  • ایجاد روابط با استفاده از کوئری Cypher در پایتون Create Relationships Using Cypher Query with Python

  • ایجاد روابط دوستی در Neo4j با استفاده از پایتون Create Friend Relationships in Neo4j Using Python

الگوریتم‌های گراف Graph Algorithms

  • الگوریتم جستجوی اول عمق (DFS) Depth First Search (DFS) Algorithm

  • سیستم ناوبری با استفاده از DFS Navigation System using DFS

  • الگوریتم جستجوی اول سطح (BFS) Breadth First Search (BFS) Algorithm

  • کتابخانه APOC در Neo4j چیست What is APOC in Neo4j

  • الگوریتم دایجسترا Dijkstra Algorithm

  • تولید داده‌های تصادفی برای الگوریتم دایجسترا Generate Dummy Data for Dijkstra Algorithm

  • ایجاد گره‌ها و یال‌ها برای الگوریتم دایجسترا Create Nodes & Edges for Dijkstra Algorithm

  • دایجسترا با کتابخانه‌های APOC و GDS Dijkstra with APOC & GDS Library

  • پیمایش از گره A به گره D با استفاده از پایتون Traverse from Node A to Node D Using Python

RDF و SPARQL RDF & SPARQL

  • مقدمه‌ای بر RDF Introduction to RDF

  • نصب GraphDB در ویندوز GraphDB Installation on Windows

  • ایجاد مخزن (Repository) در GraphDB Create Repository in GraphDB

  • جریان‌های کاری RDF RDF Workflows

  • ایجاد داده‌های RDF Create RDF Data

  • بررسی عمیق SPARQL Deep Dive into SPARQL

  • آزمون SPARQL SPARQL Quiz

مقدمه‌ای بر GraphQL Introduction to GraphQL

  • مقدمه‌ای بر GraphQL GraphQL Introduction

  • طراحی Schema در GraphQL Schema Design in GraphQL

  • راه‌اندازی اتصال با Neo4j Setup Connection with Neo4j

  • عملیات Mutation در GraphQL Mutation in GraphQL

  • عملیات Query در GraphQL Query in GraphQL

  • ساخت یک سرور GraphQL Create a GraphQL Server

  • ساخت یک کلاینت GraphQL Create a GraphQL Client

  • آزمون GraphQL GraphQL Quiz

گراف‌های دانش Knowledge Graphs

  • گراف دانش چیست What is Knowledge Graph

  • تشخیص کلاهبرداری با گراف دانش Fraud Detection with Knowledge Graph

  • وارد کردن داده‌ها به Neo4j Ingest Data into Neo4j

  • ایجاد گره‌ها و یال‌ها Create Nodes & Edges

  • شناسایی تراکنش‌های مشکوک به کلاهبرداری Detect a Fraud Transaction

  • آزمون گراف دانش Knowledge Graph Quiz

LangChain و RAG LangChain and RAG

  • مقدمه‌ای بر LangChain Introduction to LangChain

  • مبانی LangChain LangChain Fundamentals

  • زنجیره‌های متوالی (Sequential Chains) در LangChain Sequential Chains in LangChain

  • زنجیره‌های موازی (Parallel Chains) در LangChain Parallel Chains in LangChain

  • RAG چیست What is RAG

  • تسلط بر مبانی پایگاه داده‌های برداری (Vector Databases) Mastering the Basics of Vector Databases

  • تسلط بر خط لوله RAG Mastering the RAG Pipeline

  • تکنیک‌های خروجی ساختاریافته LLM در LangChain LLM Structured Output Techniques in LangChain

  • ساخت یک خط لوله RAG با LangChain Building a RAG Pipeline with LangChain

GraphRAG GraphRAG

  • GraphRAG چیست What is GraphRAG

  • معماری تولیدی GraphRAG GraphRAG Production Architecture

  • GraphRAG با پایتون و LangChain GraphRAG with Python & LangChain

  • قابلیت ردیابی و شفافیت در هوش مصنوعی AI Traceability and Transparency

  • آزمون GraphRAG GraphRAG Quiz

نمایش نظرات

آموزش پایگاه داده‌های گراف: Neo4j، RDF، گراف‌های دانش و GraphRAG
جزییات دوره
12.5 hours
79
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
214
4.4 از 5
دارد
دارد
دارد
Aritra Basak
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Aritra Basak Aritra Basak

مهندس نرم‌افزار