دیتابیسمتوسطرایگان
آموزش Vector Database
آموزش پایگاه داده‌ی برداری از صفر؛ ۹۶ درس در ۳۲ فصل، ۷ آزمایشگاه و ۳ پروژه‌ی اجرایی
۳۲ فصل۳۶۱ دقیقه مطالعهبا ورود به حساب کاربری
فصل‌های آموزش
- ۱۱. از کجا شروع کنیم؟
- ۲۲. ریاضی لازم را با چند عدد ببینیم.
- ۳۳. Python لازم را از صفر تمرین کنیم.
- ۴۴. فایل، JSON و HTTP را به هم وصل کنیم.
- ۵۵. Embedding واقعی را از بردار آموزشی جدا کنیم.
- ۶۶. متن را آماده و به نقطه تبدیل کنیم.
- ۷۷. نخستین جست‌وجوی دقیق را آفلاین بسازیم.
- ۸۸. Qdrant را واقعاً راه بیندازیم.
- ۹۹. فیلتر و نمایهٔ metadata را درست طراحی کنیم.
- ۱۰۱۰. PostgreSQL و pgvector را از پایه وصل کنیم.
- ۱۱۱۱. جست‌وجوی تقریبی و نمایه‌ها را بفهمیم.
- ۱۲۱۲. کیفیت و زمان را قابل‌اندازه‌گیری کنیم.
- ۱۳۱۳. جست‌وجوی واژه‌ای و ترکیبی را بسازیم.
- ۱۴۱۴. رتبه‌بندی دوباره و تنوع را اضافه کنیم.
- ۱۵۱۵. مسیر مدل واقعی را قابل‌تکرار کنیم.
- ۱۶۱۶. بازیابی را به RAG قابل‌استناد وصل کنیم.
- ۱۷۱۷. تغییر داده و مهاجرت را برنامه‌ریزی کنیم.
- ۱۸۱۸. API امن و محدود طراحی کنیم.
- ۱۹۱۹. ذخیره و پشتیبان و بازیابی را تمرین کنیم.
- ۲۰۲۰. حافظه و هزینه را با فرض روشن حساب کنیم.
- ۲۱۲۱. ابزار مناسب را با معیار انتخاب کنیم.
- ۲۲۲۲. FastAPI و n8n را به بازیابی وصل کنیم.
- ۲۳۲۳. دو پروژهٔ کاملِ بازیابی را تحویل بدهیم.
- ۲۴۲۴. خطا را پیدا کنیم و مسیر بعدی را انتخاب کنیم.
- ۲۵۲۵. پروژهٔ تازه را از فایل‌های فارسی شروع کنیم.
- ۲۶۲۶. پروژه را با encoder صریح و قابل‌تکرار بسازیم.
- ۲۷۲۷. ورود دسته‌ای و اتصال واقعی Qdrant را کامل کنیم.
- ۲۸۲۸. سؤال تازه و منبع قابل‌بررسی برگردانیم.
- ۲۹۲۹. BM25 واقعیِ کوچک و دو نوع hybrid را اجرا کنیم.
- ۳۰۳۰. ارزیابی را به بخش تنظیم و بخش نهایی تقسیم کنیم.
- ۳۱۳۱. API محلی با دو هویت آموزشی بسازیم.
- ۳۲۳۲. پروژهٔ تکمیلی را با آزمایش و راهنمای ادامه تحویل بدهیم.
متن آموزش
برای خواندن این آموزش وارد حساب کاربری شوید
آموزش‌ها فقط برای کاربرانی که وارد شده‌اند باز است. ورود با شماره موبایل یا نام کاربری، چند ثانیه بیشتر طول نمی‌کشد.
ورود / ثبتنامنظرها
برای نوشتن نظر وارد حساب کاربری شوید.