دوره ساخت برنامه‌های جستجوگر: راهنمای جامع با Manu Konchady همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت برنامه‌های جستجوگر: راهنمای جامع با Manu Konchady

موضوع کلی: جستجو و بازیابی اطلاعات

موضوع میانی: طراحی و پیاده‌سازی موتورهای جستجو

📋 سرفصل‌های دوره

• 1. مقدمه ای بر جستجو و بازیابی اطلاعات
• 2. چرا موتورهای جستجو مهم هستند
• 3. مروری بر تاریخچه موتورهای جستجو
• 4. ساخت یک موتور جستجوی ساده: مراحل اولیه
• 5. تعریف مسئله: جستجو برای چه منظوری
• 6. مفاهیم کلیدی در بازیابی اطلاعات
• 7. شاخص گذاری (Indexing): اساس موتورهای جستجو
• 8. انواع شاخص گذاری
• 9. فهرست معکوس (Inverted Index): معرفی و اهمیت
• 10. ساختار فهرست معکوس
• 11. ایجاد فهرست معکوس: فرآیند پساپردازش
• 12. پیش پردازش متن: پاکسازی و نرمال سازی
• 13. حذف کلمات توقف (Stop Words Removal)
• 14. ریشه یابی کلمات (Stemming)
• 15. تبدیل به حروف کوچک (Lowercasing)
• 16. حذف علائم نگارشی و کاراکترهای خاص
• 17. نرمال سازی عبارات و واژگان
• 18. ذخیره سازی فهرست معکوس
• 19. فشرده سازی فهرست معکوس
• 20. بهینه سازی ذخیره سازی فهرست معکوس
• 21. بازیابی اطلاعات: رتبه بندی اسناد
• 22. مدل های بازیابی اطلاعات: مقدمه
• 23. مدل برداری (Vector Space Model)
• 24. مفهوم بردار اسناد
• 25. TF-IDF: محاسبه وزن کلمات
• 26. TF: فراوانی ترم
• 27. IDF: فراوانی معکوس سند
• 28. محاسبه TF-IDF
• 29. رتبه بندی اسناد بر اساس TF-IDF
• 30. مدل بولي (Boolean Model)
• 31. عملگرهای منطقی (AND, OR, NOT)
• 32. جستجوی بولی در عمل
• 33. محدودیت های مدل بولی
• 34. مدل احتمالی (Probabilistic Model)
• 35. مفهوم احتمال در بازیابی
• 36. مدل های احتمالی پیشرفته (BM25)
• 37. رتبه بندی اسناد با BM25
• 38. تحلیل کوئری (Query Analysis)
• 39. پردازش کوئری های کاربر
• 40. تطابق کوئری با فهرست معکوس
• 41. مفهوم تطابق دقیق (Exact Match)
• 42. مفهوم تطابق تقریبی (Fuzzy Match)
• 43. تشخیص غلط املایی در کوئری
• 44. اصلاح غلط های املایی
• 45. طراحی واژه نامه (Dictionary)
• 46. ساخت واژه نامه از اسناد
• 47. ساخت و بروزرسانی واژه نامه
• 48. مدیریت واژه نامه
• 49. جستجو بر اساس واژه نامه
• 50. مرتب سازی نتایج جستجو
• 51. نیاز به مرتب سازی نتایج
• 52. مبنای مرتب سازی
• 53. مرتب سازی بر اساس ارتباط (Relevance)
• 54. مرتب سازی بر اساس تاریخ
• 55. مرتب سازی بر اساس محبوبیت
• 56. مرتب سازی نتایج: تکنیک ها
• 57. بهینه سازی عملکرد موتور جستجو
• 58. سرعت در شاخص گذاری
• 59. سرعت در بازیابی
• 60. مقیاس پذیری (Scalability)
• 61. معماری موتور جستجو
• 62. موتورهای جستجوی توزیع شده
• 63. مقدمه ای بر سیستم های توزیع شده
• 64. چالش های سیستم های توزیع شده
• 65. ساخت یک موتور جستجوی ساده: پیاده سازی
• 66. انتخاب زبان برنامه نویسی
• 67. انتخاب ابزارها و کتابخانه ها
• 68. ساخت ساختار داده برای فهرست معکوس
• 69. پیاده سازی فرآیند شاخص گذاری
• 70. پیاده سازی فرآیند جستجو
• 71. پیاده سازی الگوریتم رتبه بندی TF-IDF
• 72. ساخت رابط کاربری ساده
• 73. مثال عملی: ساخت یک موتور جستجوی کوچک
• 74. مراحل عملی ساخت
• 75. تست و اشکال زدایی
• 76. ارزیابی موتور جستجو
• 77. چگونه بفهمیم موتور جستجوی ما خوب کار می کند
• 78. مفاهیم ارزیابی: دقت (Precision)
• 79. مفاهیم ارزیابی: بازیابی (Recall)
• 80. مفاهیم ارزیابی: F-Measure
• 81. مفاهیم ارزیابی: MAP (Mean Average Precision)
• 82. ابزارهای ارزیابی
• 83. تکنیک های پیشرفته در شاخص گذاری
• 84. شاخص گذاری افزایشی (Incremental Indexing)
• 85. بروزرسانی فهرست معکوس
• 86. حذف اسناد از فهرست
• 87. مدیریت اسناد تکراری
• 88. فهرست معکوس فشرده (Compressed Inverted Index)
• 89. تکنیک های فشرده سازی
• 90. فشرده سازی فهرست معکوس گسسته (Gap Encoding)
• 91. استفاده از ساختارهای داده بهینه
• 92. مفهوم فیلتر کردن (Filtering)
• 93. فیلتر کردن بر اساس متا داده ها
• 94. فیلتر کردن بر اساس نوع سند
• 95. جستجوی پیشرفته
• 96. جستجوی عبارتی (Phrase Search)
• 97. جستجوی مجاورتی (Proximity Search)
• 98. جستجو با استفاده از عبارات منظم (Regular Expressions)
• 99. جستجوهای مبتنی بر گرامر
• 100. شبه جستجو (Pseudo-Relevance Feedback)