مفاهیم اساسی پایگاه های داده برداری [ویدئو]

Essential Concepts of Vector Databases [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره با پیش نیازهای ضروری و مروری بر ساختار دوره شروع به بررسی عمیق پایگاه داده های برداری می کند. شما درک کاملی از مفاهیم اساسی و کاربردهای پایگاه های داده برداری، از جمله اینکه چرا آنها در مدیریت داده های مدرن اهمیت فزاینده ای دارند، به دست خواهید آورد. این دوره تفاوت های بین پایگاه داده های سنتی و برداری را پوشش می دهد و محدودیت ها و مزایای هر یک را برجسته می کند. همانطور که پیشرفت می کنید، راه حل های مختلف پایگاه داده برداری را با تمرکز بر رقبای برتر مانند Chroma و Pinecone کاوش خواهید کرد. جلسات عملی مفصل شما را از طریق راه‌اندازی محیط‌های توسعه، ایجاد و جستجوی پایگاه‌های داده و درک معیارهای کلیدی و ساختارهای داده راهنمایی می‌کند. همچنین برای تقویت مهارت‌های تجزیه و تحلیل داده‌ها، به اندازه‌گیری‌های شباهت برداری مانند شباهت کسینوس و فاصله اقلیدسی می‌پردازید. بخش‌های پایانی پایگاه‌های داده برداری را با مدل‌های زبان بزرگ (LLM) و چارچوب LangChain ادغام می‌کنند و یک گردش کار جامع از بارگذاری سند تا تولید پاسخ‌ها را ارائه می‌دهند. همچنین راهنمایی در مورد انتخاب پایگاه داده برداری مناسب برای نیازهای خود، با جداول مقایسه و معیارهایی که باید در نظر بگیرید، دریافت خواهید کرد. در پایان این دوره، شما درک کاملی از پایگاه های داده برداری و تجربه عملی در استفاده از آنها برای کارهای پیشرفته مدیریت داده خواهید داشت. مفاهیم اساسی و کاربردهای پایگاه داده برداری را درک کنید. تفاوت بین پایگاه داده های سنتی و برداری را تجزیه و تحلیل کنید. پایگاه داده های برداری مانند Chroma و Pinecone را تنظیم و استفاده کنید. از معیارهای تشابه برداری برای تجزیه و تحلیل داده های پیشرفته استفاده کنید. از مدل ها و چارچوب های زبان بزرگ مانند LangChain با پایگاه داده برداری استفاده کنید. اصول پایگاه های داده برداری و اهمیت آنها در مدیریت داده ها را درک کنید. این دوره برای دانشمندان داده، مدیران پایگاه داده و توسعه دهندگان نرم افزار با درک اولیه از پایگاه های داده و برنامه نویسی طراحی شده است. پیش نیازها شامل آشنایی با پایتون و دانش اولیه مفاهیم پایگاه داده است. پایگاه‌های داده سنتی و برداری را مقایسه کنید تا مزایا و چالش‌های مربوط به آن‌ها را درک کنید * پایگاه‌های داده برداری را با مدل‌ها و چارچوب‌های زبان بزرگ مانند LangChain یکپارچه کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه - پیش نیازهای دوره و ساختار Introduction - Course prerequisites and structure

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)

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 OpenAI's Embedding API برای ایجاد جاسازی در Chroma Using OpenAI's 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

  • وکتور تشابه شیرجه عمیق - شباهت کسینوس Vector Similarity Deep Dive - Cosine Similarity

  • فاصله اقلیدسی - هنجار L2 Euclidean Distance - L2 Norm

  • محصول نقطه ای Dot Product

  • خلاصه بخش Section Summary

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 آنها در پایگاه داده Chroma Generating Embeddings from Documents & Insert them 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 - گردش 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 - Criteria

جمع بندی و مراحل بعدی Wrap up & Next Steps

  • تبریک و گام های بعدی Congratulations and Next Steps

نمایش نظرات

Packtpub یک ناشر دیجیتالی کتاب‌ها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرم‌افزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتاب‌ها، ویدیوها و دوره‌های آموزشی می‌پردازد که به توسعه‌دهندگان و متخصصان فناوری اطلاعات کمک می‌کند تا مهارت‌های خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامه‌نویسی، توسعه وب، داده‌کاوی، امنیت سایبری و هوش مصنوعی را پوشش می‌دهد. محتوای این منابع به صورت کاربردی و به‌روز ارائه می‌شود تا کاربران بتوانند دانش و توانایی‌های لازم برای موفقیت در پروژه‌های عملی و حرفه‌ای خود را کسب کنند.

مفاهیم اساسی پایگاه های داده برداری [ویدئو]
جزییات دوره
4h 21m
53
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Paulo Dichone
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Paulo Dichone Paulo Dichone

توسعه دهنده و معلم

سلام! من پائولو هستم. من مدرک علوم کامپیوتر از دانشگاه Whitworth دارم و یک متخصص برنامه نویسی هستم و به آن افتخار می کنم!

من تجربه گسترده ای در توسعه برنامه Android به ویژه در برنامه موبایل (اندروید و iOS) و توسعه وب دارم. من همچنین بنیانگذار Magadistudio هستم، یک شرکت توسعه برنامه تلفن همراه مستقر در شمال غربی داخلی زیبا (WA).

من علاقه زیادی به آموزش توسعه برنامه اندروید به مردم دارم. نشان دادن طناب‌های ساخت اپلیکیشن‌های اندرویدی شگفت‌انگیز، تجربه‌ای بسیار ارزشمند است! هدف من این است که شما را به سرعت راه اندازی کنم و برنامه های اندروید بسازید.

شما آزادی را که یک توسعه‌دهنده اندروید ارائه می‌دهد، باور نمی‌کنید.

من را در توییتر @buildappswithme دنبال کنید

برنامه نویس نرم افزار/برنامه - موبایل و وب

مدرس آنلاین: 2014 - حال

علوم کامپیوتر (BS)
دانشگاه ویتورث
سپتامبر 2006 - مه 2009