آموزش جستجوی ترکیبی (Blend Hybrid Search) - آخرین آپدیت

دانلود Blend Hybrid Search

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

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: در دنیای جستجوی مبتنی بر هوش مصنوعی، مرتبط بودن نتایج همه چیز است. در دوره «جستجوی ترکیبی»، دوره‌ای سطح متوسط برای توسعه‌دهندگان و مهندسان ML، از محدودیت‌های جستجوی صرفاً کلمات کلیدی یا جستجوی برداری (Vector Search) فراتر بروید. شما یاد می‌گیرید که با ترکیب دقتِ تطبیق کلمات کلیدی (مانند BM25) با قدرت معنایی برداری‌های متراکم (Dense Vectors)، یک سیستم جستجوی پیشرفته و مدرن بسازید. این دوره یک چارچوب کامل و عملی برای بهینه‌سازی عملکرد جستجو با استفاده از ابزارهای متن‌باز به عنوان نمونه پیاده‌سازی ارائه می‌دهد. شما تنها یک تابع جستجوی ترکیبی نمی‌سازید؛ بلکه در هنر بهینه‌سازی و تنظیم (Tuning) آن استاد می‌شوید. از طریق رویکرد پروژه-محور، یاد می‌گیرید که چگونه پارامترهای وزنی را به‌طور سیستماتیک تنظیم کنید و از معیار استاندارد صنعت، NDCG، برای اندازه‌گیری عینی و اثبات تأثیر تغییرات خود استفاده کنید. در پایان، شما یک اسکریپت ارزیابی قابل استفاده مجدد و یک متدولوژی داده-محور برای استخراج حداکثری میزان مرتبط بودن نتایج از هر اپلیکیشن جستجوی خواهید داشت.

سرفصل ها و درس ها

ساخت و ارزیابی سیستم جستجوی ترکیبی Building and Evaluating a Hybrid Search System

چگونه یک تابع جستجوی ترکیبی در پایتون بسازیم؟ How to Build a Hybrid Search Function in Python?

بهینه‌سازی مرتبط بودن در جستجوی ترکیبی Optimizing Hybrid Search Relevance

از نمونه اولیه تا تولید: قدرت بهینه‌سازی و تنظیم From Prototype to Production: The Power of Tuning
اتوماسیون حلقه تنظیمات برای جستجوی ترکیبی Automating the Tuning Loop for Hybrid Search