وب سایت تخصصی شرکت فرین
دسته بندی دوره ها

Master Vector Databases

سرفصل های دوره

Master Vector Database using Python, Embeddings, Pinecone, ChromaDB, Facebook FAISS, Qdrant, LangChain, Open AI


1. Introduction
  • 1. Introduction to Vector Database
  • 2. Vectors and Embeddings
  • 3. Explain vector database like Im 5
  • 4. How vector database store data
  • 5. How do vector database works
  • 6. Vectors in 2D

  • 2. The power of embeddings
  • 1.1 vd vector embedding openai.zip
  • 1. Create embeddings using OpenAI
  • 2. Sentence Embedding Models.html

  • 3. Using SQLite as vector storage
  • 1. Setup and basic operations
  • 2.1 vd sqlite vector search.zip
  • 2. Creating, storing and retrieving vector data
  • 3. Finding nearest vector
  • 4.1 vd sqlite vss.zip
  • 4. Vector search using sqlite-vss extension

  • 4. ChromaDB
  • 1. Introduction to ChromaDB
  • 2. Revolutionizing the Data access with Vector Database.html
  • 3.1 vector database chromadb.zip
  • 3. Methods on collections
  • 4.1 vector database chromadb the matrix .zip
  • 4. Storing The Matrix collections
  • 5. Adding document associated embeddings
  • 6. Query data with where filter
  • 7.1 vd chromadb + langchain qa multiple documents.zip
  • 7. ChromaDB + Langchain - QA on multiple documents - Part 1
  • 8. ChromaDB + Langchain - QA on multiple documents - Part 2

  • 5. Facebook AI Similarity Search (FAISS)
  • 1. Introduction to FAISS
  • 2. Using similarity search for nearest neighbours

  • 6. Pinecone
  • 1. Introduction to Pinecone
  • 2. Setup account, create an index, dashboard review
  • 3. Understanding index creation configuration
  • 4. Index management
  • 5. Insert vector data to an index
  • 6. Query vector data
  • 7. Upsert vector data in batches
  • 8. Upsert batches in parallel
  • 9. Upsert with metadata.html
  • 10. Vector IDs must be string
  • 11. Sentence transformer embeddings
  • 12. Semantic search with metadata filtering - news articles

  • 7. Qdrant
  • 1. Introduction to Qdrant vector database
  • 2. Connect with APIs
  • 3. Create a qdrant python client
  • 4. Create a collection
  • 5. Create a vector store
  • 6. Add document to vector store on the cloud
  • 7. Query the document
  • 8. Create a streamlit QA app.html

  • 8. Congratulations and Thank You!
  • 1. Your feedback is very valuable!.html
  • 139,000 تومان
    بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
    خرید دانلودی فوری

    در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

    ایمیل شما:
    تولید کننده:
    مدرس:
    شناسه: 28180
    حجم: 3240 مگابایت
    مدت زمان: 432 دقیقه
    تاریخ انتشار: 19 دی 1402
    طراحی سایت و خدمات سئو

    139,000 تومان
    افزودن به سبد خرید