دوره «Redis + AI: Building a Vector Database with Redis 2024-7» از پلتفرم لینکدین، یک دوره جامع و کاربردی برای توسعه‌دهندگان و مهندسان داده است که می‌خواهند با فناوری‌های نوین پایگاه داده‌های برداری (Vector Database) و یکپارچه‌سازی آن با هوش مصنوعی آشنا شوند. در این آموزش با استفاده از ریدیس (Redis) به‌عنوان یک محفظه نگهداری داده سریع و مقیاس‌پذیر، یاد می‌گیرید چگونه وکتورها و نمایه‌سازی نزدیک‌ترین همسایه (Approximate Nearest Neighbor) را بهبود بخشید.

این دوره شامل ویدئوهای آموزشی، مرور اسلاید، مثال‌های عملی و پروژه‌های واقعی است که به زبان انگلیسی ارائه می‌شود اما با زیرنویس فارسی در دسترس است. مدرس دوره، متخصصی با تجربه در زمینه ریدیس و معماری سیستم‌های مبتنی بر هوش مصنوعی است. شما از پایه با مفاهیم Vector Embeddings، پایگاه داده نوثابت و روابط بین داده‌ها آشنا خواهید شد تا در کاربردهای جستجوی معنایی، توصیه‌گرها و تحلیل بهینه رشته‌های متنی پیشرو باشید.

• ساخت یک پایگاه داده برداری با ریدیس و ذخیره‌سازی اندیس‌های ANN
• چگونگی تولید Embeddding از داده‌های متنی و تصویری
• تنظیم و بهینه‌سازی Redis Modules برای عملیات برداری
• پیاده‌سازی جستجوی نزدیک‌ترین همسایه با RedisAI و Redisearch
• استفاده از مدل‌های از پیش تمرین‌شده (Pre-trained) در چارچوب‌های TensorFlow و PyTorch
• یکپارچه‌سازی APIهای Python، Node.js و Go برای کار با وکتورها
• مدیریت حجم عظیم داده و مقیاس‌پذیری خوشه‌ای (Clustering) در ریدیس

• کسب مهارت‌های عملی مورد نیاز بازار کار هوش مصنوعی و داده کاوی
• توانایی طراحی و پیاده‌سازی سامانه‌های جستجوی معنایی پیشرفته
• افزایش سرعت توسعه پروژه‌ها با بهره‌گیری از ریدیس به‌عنوان یک منبع سریع ذخیره‌سازی
• دریافت مدرک رسمی از لینکدین با تأیید مهارت‌ها
• دسترسی به بروزرسانی‌های آینده و منابع آموزشی تکمیلی

• آشنایی اولیه با زبان‌های برنامه‌نویسی Python یا JavaScript
• مبانی پایگاه داده‌های کلیدی-مقداری (Key-Value Stores)
• مفاهیم پایه‌ای در یادگیری ماشین و شبکه‌های عصبی
• نصب و راه‌اندازی ریدیس (نسخه 7 یا بالاتر) در محیط توسعه
• دسترسی به ترمینال و آشنایی با دستورات خط فرمان

• مقدمه و معماری کلی پایگاه داده برداری
• نصب Redis و RedisAI Modules
• درک Embedddingها و تولید آن‌ها با مدل‌های Transformer
• نمایه‌سازی و جستجوی ANN با Redisearch
• پروژه عملی: ساخت یک سامانه جستجوی مقالات علمی بر مبنای معنایی
• بهینه‌سازی عملکرد و توزیع بار در ریدیس کلستر
• تمرین‌های اضافی و چالش‌های کدنویسی

در طول دوره، شما یک پروژه عملی خواهید ساخت که در آن:

• محتوای متنی (مانند توضیحات محصول یا مقالات) را به Embeddding تبدیل می‌کنید.
• این Embedddingها را در ریدیس ذخیره و با Redisearch یک اندیس برداری می‌سازید.
• سپس با queryهای نمونه، جستجوی نزدیک‌ترین مقالات یا محصولات را پیاده‌سازی می‌کنید.

این مثال عملی به شما دید واقعی از عملکرد سیستم در محیط تولید (Production) می‌دهد و چگونگی بهینه‌سازی ارتفاع خطا (Recall/Precision) را آموزش می‌دهد.

• پوشش کامل RedisAI: از نصب تا پیاده‌سازی مدل‌های پیچیده
• بروزرسانی 2024-7: شامل جدیدترین قابلیت‌ها و افزونه‌ها
• تمرکز عملی: تلاش برای حفظ تعادل تئوری و عمل
• کاربردهای دنیای واقعی: توصیه‌گرها، جستجوی معنایی و تحلیل داده‌های حجیم

برای دانلود رایگان این دوره کافی است به لینک‌های معتبر وب‌سایت‌های ایرانی یا کانال‌های تلگرام مرجع نرم‌افزار مراجعه کنید. معمولاً فایل دوره به صورت فشرده (ZIP) و با زیرنویس فارسی ارائه می‌شود. حجم کل دوره حدود 2 گیگابایت است و پس از استخراج می‌توانید ویدئوها را در پلیر دلخواه اجرا کنید. توجه داشته باشید که استفاده از VPN ممکن است برای دسترسی به لینک‌های اصلی لینکدین نیاز باشد.