کتاب طراحی و پیاده‌سازی پایگاه‌های داده برداری برای جستجوی معنایی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی پایگاه‌های داده برداری برای جستجوی معنایی

موضوع کلی: هوش مصنوعی

موضوع میانی: یادگیری ماشین و جستجوی معنایی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر جستجوی معنایی و چالش‌های آن
  • 2. بردارها و نمایش برداری داده‌ها
  • 3. فضاهای برداری و متریک‌های فاصله
  • 4. مبانی پایگاه‌های داده برداری
  • 5. معماری پایگاه‌های داده برداری
  • 6. انتخاب الگوریتم ایندکس‌گذاری برداری مناسب
  • 7. الگوریتم‌های Approximate Nearest Neighbor (ANN)
  • 8. روش‌های کوانتیزاسیون بردار
  • 9. روش‌های هشینگ حساس به موقعیت (LSH)
  • 10. معرفی کتابخانه‌های محبوب پایگاه داده برداری (Pinecone, Weaviate, Milvus, Chroma)
  • 11. نصب و راه‌اندازی Pinecone
  • 12. ایجاد و مدیریت ایندکس در Pinecone
  • 13. جستجو در پایگاه داده Pinecone
  • 14. نصب و راه‌اندازی Weaviate
  • 15. مدل‌سازی داده‌ها در Weaviate
  • 16. جستجو و فیلتر کردن داده‌ها در Weaviate
  • 17. نصب و راه‌اندازی Milvus
  • 18. ساختار داده‌ها و ایندکس‌ها در Milvus
  • 19. جستجو با Milvus و بهینه‌سازی عملکرد
  • 20. نصب و راه‌اندازی Chroma
  • 21. مدیریت کلیدها و تنظیمات در Chroma
  • 22. جستجوی برداری با Chroma و ادغام با LLMها
  • 23. مقایسه عملکرد پایگاه‌های داده برداری مختلف
  • 24. بهینه‌سازی عملکرد جستجو در پایگاه‌های داده برداری
  • 25. مقیاس‌پذیری و توزیع پایگاه‌های داده برداری
  • 26. استفاده از پایگاه‌های داده برداری در برنامه‌های کاربردی واقعی
  • 27. جستجوی تصویر با استفاده از پایگاه‌های داده برداری
  • 28. جستجوی متن با استفاده از پایگاه‌های داده برداری
  • 29. توصیه‌گرهای محتوا با استفاده از پایگاه‌های داده برداری
  • 30. تشخیص ناهنجاری با استفاده از پایگاه‌های داده برداری
  • 31. ادغام پایگاه‌های داده برداری با مدل‌های زبانی بزرگ (LLM)
  • 32. استفاده از Embeddingها در جستجوی معنایی
  • 33. تولید Embedding با استفاده از مدل‌های ترانسفورمر
  • 34. انتخاب مدل Embedding مناسب برای کاربرد خاص
  • 35. بهینه‌سازی Embeddingها برای بهبود دقت جستجو
  • 36. مانیتورینگ و نگهداری پایگاه‌های داده برداری
  • 37. امنیت در پایگاه‌های داده برداری
  • 38. آینده پایگاه‌های داده برداری و روندهای نوظهور
تگ‌ها: ai ANN Chroma database embedding indexing llm machine learning Milvus Pinecone semantic search similarity search vector database vector search Weaviate

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.