لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی پایگاه داده برداری [جدید]
Vector Databases Fundamentals [NEW]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
پتانسیل دادههای خود را با Pinecone، Chroma و Beyond برای برنامههای مبتنی بر هوش مصنوعی باز کنید درک پایگاههای داده برداری کشف راهحلهای برتر ساخت پایگاههای داده برداری کارشناسی ارشد جستجوی پیشرفته پیش نیازها: دانش برنامهنویسی پایه علاقه شدید به علم داده، هوش مصنوعی یا زمینههای مرتبط را افزایش میدهد. تجربه یادگیری شما
در عصر دادههای بزرگ و هوش مصنوعی، مدیریت و استخراج بینشهای معنادار از حجم عظیمی از دادههای بدون ساختار بسیار مهمتر از همیشه است. «تسلط بر پایگاههای داده برداری: از مبانی تا برنامههای پیشرفته» راهنمای جامع شما برای درک، ساخت و استفاده از پایگاههای داده برداری برای تغییر قابلیتهای مدیریت داده شما است.
آنچه خواهید آموخت:
مبانی پایگاه های داده برداری: این دوره به شما کمک می کند تا درک کاملی از پایگاه های داده برداری، چرایی ضروری بودن آنها و تفاوت آنها با پایگاه های داده سنتی به دست آورید.
مروری بر راهکارهای پایگاه داده برداری برتر: 5 راه حل برتر پایگاه داده برداری، از جمله Pinecone و Chroma را کاوش کنید و ویژگی های منحصر به فرد و تفاوت های کلیدی آنها را درک کنید.
ساخت پایگاه های داده برداری از ابتدا: یاد بگیرید که چگونه پایگاه داده برداری خود را از ابتدا بسازید، با تمرکز بر معیارها، ساختارهای داده، و ذخیره سازی کارآمد داده.
تکنیکهای برداری: تبدیل دادههای بدون ساختار به بردارهای معنادار با استفاده از چارچوبهای انتزاعی و تکنیکهای جاسازی.
پروژههای عملی: دانش خود را با پروژههای عملی که کاربردهای دنیای واقعی پایگاههای داده برداری را نشان میدهند، از جمله جستجوی مبتنی بر هوش مصنوعی، خوشهبندی اسناد، و توصیههای محتوای شخصیشده به کار ببرید.
جستجو و بازیابی پیشرفته: نحوه انجام سریع جستجوهای مشابه کارآمد و بازیابی داده های مرتبط با استفاده از تکنیک های جستجوی پیشرفته را بدانید.
چرا در این دوره ثبت نام کنید؟
برنامه درسی جامع: این دوره هم دانش پایه و هم کاربردهای پیشرفته را پوشش می دهد و درک کاملی از پایگاه های داده برداری را تضمین می کند.
آموزش تخصصی: از یک مربی با تجربه که راهنمایی های واضح و گام به گام را در طول دوره ارائه می دهد، بیاموزید.
آموزش عملی: از پروژههای عملی و مثالهای واقعی استفاده کنید تا درک خود را تقویت کنید و آموختههای خود را به کار ببرید.
ابزارهای پیشرفته: با راه حل های پیشرو پایگاه داده برداری مانند Pinecone و Chroma تجربه عملی داشته باشید و یاد بگیرید که چگونه آنها را با OpenAI برای قابلیت های مدیریت داده قدرتمند ادغام کنید.
چه کسی باید ثبت نام کند؟
دانشمندان و تحلیلگران داده به دنبال افزایش مهارت های مدیریت داده خود هستند.
توسعه دهندگان و مهندسان علاقه مند به ساخت راه حل های داده ای قوی و مقیاس پذیر.
علاقهمندان و محققان هوش مصنوعی با هدف استفاده از پایگاههای داده برداری برای برنامههای پیشرفته.
هر کسی که علاقه مند به تسلط بر جدیدترین ابزارها و تکنیک های مدیریت داده های بدون ساختار است.
با قدرت پایگاه داده های برداری، داده های خود را به بینش های عملی تبدیل کنید. اکنون ثبت نام کنید و سفر خود را به سمت تسلط بر پایگاه داده های برداری از امروز آغاز کنید!
سرفصل ها و درس ها
معرفی
Introduction
مقدمه - پیش نیازهای دوره و ساختار
Introduction - Course prerequisites and structure
کد منبع و منابع
Source Code and Resources
کد منبع و منابع
Source code and resources
پایگاه داده برداری Deep Dive - Fundamentals
Vector Databases Deep Dive - Fundamentals
مقدمه ای بر پایگاه های داده برداری - نمای کلی
Introduction to Vector Databases - Full Overview
چرا پایگاه های داده برداری
Why Vector Databases
پایگاه های داده برداری - مزایا و مزایا
Vector Databases - Benefits and Advantages
پایگاههای داده سنتی در مقابل وکتور - تفاوتها
Traditional vs Vector Databases - Differences
پایگاههای داده سنتی در مقابل وکتور - محدودیتها و چالشها
Traditional vs Vector Databases - Limitations and Challenges
پایگاههای داده و جاسازیهای برداری - جریان کار کامل
Vector Databases & Embeddings - Full Work Flow
جاسازی ها در مقابل بردارها - تفاوت ها
Embeddings vs Vectors - Differences
پایگاه های داده برداری - نحوه کار و مزایا
Vector Databases - How They Work and Advantages
موارد استفاده از پایگاه های داده برداری
Vector Databases Use Cases
وکتور و پایگاه داده های سنتی - خلاصه
Vector and Traditional Databases - Summary
راه حل های پایگاه داده برداری - 5 پایگاه داده برداری برتر
Vector Databases Solutions - Top 5 Vector Databases
5 پایگاه داده بردار برتر - نمای کلی
The Top 5 Vector Databases - Overview
آشنایی با LLM (مدل های زبان بزرگ)
Understanding LLM (Large Language Models)
بررسی کنید
Check in
ساخت پایگاه های وکتور - دستی - پایگاه داده بردار کروما
Building Vector Databases - Hands-on - Chroma Vector Database
راه اندازی محیط توسعه
Development Environment Setup
VS-Code، Python و OpenAI API را تنظیم کنید
Setup VS-Code, Python and OpenAI API Key
گردش کار پایگاه داده Chroma
Chroma Database workflow
ایجاد پایگاه داده کروما وکتور و افزودن اسناد و پرس و جو در آنها
Creating a Chroma Vector Database & Adding Documents & Querying them
حلقه زدن از طریق نتایج و نمایش نتایج جستجوی مشابهت
Looping Through the Results & Showing Similarity Search Results
عملکرد تعبیه پیشفرض Chroma
Chroma Default Embedding Function
پایگاه داده بردار کروما - داده های ماندگار و ذخیره
Chroma Vector Database - Persisting Data and Saving
ایجاد یک OpenAI Embeddings - خام بدون Chroma
Creating an OpenAI Embeddings - Raw without Chroma
استفاده از OpenAIs Embedding API برای ایجاد جاسازی در Chroma
Using OpenAIs Embedding API to Create Embedding in Chroma
معیارهای پایگاه داده برداری و ساختارهای داده
Vector Databases Metrics and Data Structures
خلاصه بخش
Section Summary
معیارهای رایج شباهت بردار
Common Measures of Vector Similarity
پایگاه های داده برداری و LLM - گردش کار کامل
Vector Databases and LLM - the Full Workflow
پایگاه های داده برداری و LLM - Deep Dive
Vector Databases and LLM - Deep Dive
بارگیری تمام اسناد
Loading all Documents
ایجاد جاسازی از اسناد و درج سپس در پایگاه داده Chroma
Generating Embeddings from Documents & Insert then into Chroma Database
دریافت تکه های مربوطه هنگام پرس و جو
Getting the Relevant Chunks when Given a Query
استفاده از OpenAI LLM برای ایجاد پاسخ - جریان کامل
Using OpenAI LLM to Generate Response - Full Flow
خلاصه بخش
Section Summary
پایگاه های داده برداری و چارچوب Langchain
Vector Databases & the Langchain Framework
چارچوب LangChain - بررسی اجمالی سریع
The LangChain Framework - Quick Overview
شروع کار با LangChain و OpenAIChat Wrapper
Getting started with LangChain and the OpenAIChat Wrapper
بارگیری اسناد با لودر اسناد LangChain
Loading Documents with LangChain Document Loader
تقسیم اسناد با LangChain
Splitting the Documents with LangChain
ایجاد یک پایگاه داده کروما وکتور با LangChain
Creating a Chroma Vector Database with LangChain
دریافت پاسخ از مدل - جریان کار کامل
Getting the Response from the Model - the Complete WorkFlow
پایگاه داده وکتور کاج
Pinecone Vector Database
Pinecone - شیرجه عمیق
Pinecone - Deep Dive
ایجاد نمای کلی حساب و داشبورد Pinecone
Create Pinecone Account & Dashboard Overview
ایجاد نمایه Pinecone ما در کد
Creating our Pinecone Index in Code
بالا بردن و پرس و جو از نمایه کاج ما
Upserting and Querying our Pinecone Index
جستجوی دستی Pinecone در داشبورد
Querying Pinecone Manually in the Dashboard
با استفاده از LangChain Pinecone Wrapper - ایجاد فهرست و جستجوی Upsert & Similarity
Using LangChain Pinecone Wrapper - Create Index and Upsert & Similarity Search
ایجاد یک Retriever و Chain Objects و یک LLM برای دریافت پاسخ
Creating a Retriever and Chain Objects & a LLM to get a Response
پاکسازی - فهرست کاج را حذف کنید
Clean up - Delete Pinecone Index
چالش - دیگر پایگاه داده برداری را کاوش کنید
Challenge - Explore other Vector Database
خلاصه بخش
Section Summary
انتخاب پایگاه داده برداری مناسب
Choosing the Right Vector Database
انتخاب پایگاه داده برداری مناسب - جداول مقایسه
Choosing the Right Vector Database - Comparison Tables
کدام پایگاه داده را باید انتخاب کنم؟
Which Database Should I Choose?
انتخاب پایگاه داده مناسب - معیارها
Choosing the Right Database - Criterias
جمع بندی و مراحل بعدی
Wrap up & Next Steps
تبریک و گام های بعدی
Congratulations and Next Steps
نمایش نظرات