Anlamsal aramanın altyapısını kurun
Vektör Veritabanları Eğitimi, yapay zeka uygulamalarının anlamsal arama ve RAG ihtiyacını karşılayan vektör veritabanlarını uçtan uca öğretir.
Embedding, benzerlik metrikleri, ANN indeksleri, pgvector ve RAG mimarisi
Vektör Veritabanları Eğitimi, yapay zeka uygulamalarının anlamsal arama ve RAG ihtiyacını karşılayan vektör veritabanlarını uçtan uca öğretir. Katılımcılar embedding kavramını, metni ve görseli vektöre dönüştürmeyi, kosinüs ve öklit mesafesiyle benzerliği ölçmeyi kavrar. Yaklaşık en yakın komşu algoritmaları HNSW ve IVF, pgvector, Pinecone, Milvus, Qdrant ve Weaviate; metadata filtreleme, hibrit arama ve RAG mimarisi uygulamalı işlenir.
3 Gün. Her gün dört modül; embedding ve benzerlik temellerinden ANN indeksleri, vektör veritabanı ürünleri ve RAG mimarisine ilerlenir.
Orta Seviye — Embedding, benzerlik araması, ANN indeksleri ve RAG ile vektör veritabanı uygulama
Her konu gerçek embedding'ler ve pgvector ile çalışan bir vektör veritabanı üzerinde sorgu yazılarak uygulamalı öğretilir.
Anahtar kelime yerine anlam üzerinden arama kurarak kullanıcıya gerçekten alakalı sonuçları getirirsiniz.
LLM'leri kendi verinizle besleyen retrieval-augmented generation mimarisini doğru ve ölçeklenebilir kurarsınız.
HNSW ve IVF gibi ANN indeksleriyle milyonlarca vektörde milisaniyeler içinde benzerlik araması yaparsınız.
Eğitimden verim almak için gereken bilgi ve ortam gereksinimleri
SELECT ve WHERE düzeyinde temel SQL bilgisi pgvector örnekleri için faydalıdır.
Embedding üretimi için temel Python bilgisi öğrenmeyi kolaylaştırır.
LLM ve embedding gibi temel yapay zeka kavramlarına aşinalık beklenir.
pgvector eklentili PostgreSQL ve Python kurulabilen bir ortam gereklidir.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Embedding'in neyi temsil ettiğini kavrar; metni ve görseli vektöre dönüştürüp anlamsal yakınlığı yorumlarsınız.
Kosinüs, iç çarpım ve öklit mesafesini doğru seçerek benzerliği anlamlı şekilde ölçersiniz.
HNSW ve IVF algoritmalarını ve parametrelerini kavrayarak doğruluk-hız dengesini bilinçli ayarlarsınız.
pgvector ile vektör saklar, indeks kurar ve metadata filtreli benzerlik sorguları yazarsınız.
Pinecone, Milvus, Qdrant ve Weaviate'i ölçek ve maliyete göre karşılaştırarak doğru ürünü seçersiniz.
Anlamsal ve anahtar kelime aramasını birleştirip reranking ile sonuç kalitesini yükseltirsiniz.
İngest, chunking, retrieval ve generation adımlarıyla uçtan uca bir RAG hattı kurarsınız.
Recall, precision ve gecikmeyi ölçerek retrieval kalitesini ve üretim performansını değerlendirirsiniz.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
MDX ve veritabanı dağıtımı eğitimi: SSAS küplerinde tuple, set, calculated member, zaman zekası ve DacPac ile CI/CD dağıtım hattı uygulamalı işlenir.
Detayları Gör →
Execution plan, istatistik, wait analizi ve benchmark ile SQL sorgu performansını ölçmeyi SQL Server, Oracle ve PostgreSQL üzerinde öğreten kurumsal eğitim.
Detayları Gör →
SQL Server ve T-SQL ile sorgulama, JOIN, gruplama, stored procedure, index ve temel yönetimi SSMS üzerinde uygulamalı öğreten kurumsal Microsoft SQL eğitimi.
Detayları Gör →
Aktif oturum, DMV, wait istatistikleri, denetim ve Extended Events ile veritabanı etkinliğini izlemeyi SQL Server, Oracle ve PostgreSQL üzerinde öğreten eğitim.
Detayları Gör →
JOIN türleri, çoklu JOIN, alt sorgular, EXISTS, UNION ve normalizasyon ile çok tablolu SQL sorgulamayı uygulamalı öğreten kurumsal veritabanı eğitimi.
Detayları Gör →
Document, key-value, column-family ve graph NoSQL modellerini MongoDB, Redis, Cassandra ve graph veritabanlarıyla uygulamalı öğreten kurumsal veritabanı eğitimi
Detayları Gör →