کتاب طراحی و پیاده‌سازی موتور جستجوی برداری با استفاده از ابزارهای نوین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی موتور جستجوی برداری با استفاده از ابزارهای نوین

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پردازش و تحلیل داده‌های کلان

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و یادگیری ماشین
  • 2. مقدمه‌ای بر پردازش داده‌های کلان
  • 3. معماری سیستم‌های داده‌ای
  • 4. انواع داده‌ها و ساختارهای آن‌ها
  • 5. مفاهیم پایگاه داده رابطه‌ای
  • 6. مفاهیم پایگاه داده NoSQL
  • 7. ذخیره‌سازی داده‌های کلان
  • 8. پردازش دسته‌ای داده‌ها
  • 9. پردازش جریانی داده‌ها
  • 10. مقدمه‌ای بر موتورهای جستجو
  • 11. معماری موتورهای جستجو
  • 12. نمایه‌سازی اطلاعات
  • 13. فشرده‌سازی اطلاعات
  • 14. الگوریتم‌های رتبه‌بندی نتایج
  • 15. جستجوی معنایی
  • 16. مفاهیم اولیه بردارها و فضاهای برداری
  • 17. جاسازی (Embeddings) چیست؟
  • 18. آموزش مدل‌های جاسازی
  • 19. مدل‌های زبانی بزرگ (LLMs)
  • 20. کاربرد LLMs در پردازش زبان طبیعی
  • 21. مقدمه‌ای بر جستجوی برداری
  • 22. فناوری‌های کلیدی جستجوی برداری
  • 23. معرفی Pinecone
  • 24. نصب و راه‌اندازی Pinecone
  • 25. ساخت اولین پایگاه داده برداری در Pinecone
  • 26. عملیات CRUD در Pinecone
  • 27. جستجوی شباهت در Pinecone
  • 28. معیارهای فاصله در جستجوی برداری
  • 29. فاصله اقلیدسی
  • 30. شباهت کسینوسی
  • 31. فاصله منهتن
  • 32. کاربرد جستجوی برداری در سیستم‌های توصیه‌گر
  • 33. سیستم‌های توصیه‌گر مبتنی بر محتوا
  • 34. سیستم‌های توصیه‌گر مبتنی بر فیلترینگ مشارکتی
  • 35. ترکیب جستجوی برداری و فیلترینگ مشارکتی
  • 36. کاربرد جستجوی برداری در بازیابی اطلاعات
  • 37. بازیابی اسناد
  • 38. بازیابی تصاویر
  • 39. بازیابی ویدئو
  • 40. مقدمه‌ای بر داده‌های متنی
  • 41. پیش‌پردازش داده‌های متنی
  • 42. Tokenization
  • 43. Stemming و Lemmatization
  • 44. حذف کلمات توقف (Stop Words)
  • 45. مدل‌های زبانی سنتی (TF-IDF, BM25)
  • 46. مفاهیم شبکه‌های عصبی
  • 47. شبکه‌های عصبی کانولوشنال (CNN)
  • 48. شبکه‌های عصبی بازگشتی (RNN)
  • 49. شبکه‌های عصبی ترنسفورمر (Transformer)
  • 50. کاربرد ترنسفورمر در پردازش زبان طبیعی
  • 51. مدل‌های Embedding مبتنی بر ترنسفورمر
  • 52. BERT و مشتقات آن
  • 53. GPT و مشتقات آن
  • 54. ساخت Embedding برای داده‌های متنی
  • 55. استفاده از مدل‌های از پیش آموزش‌دیده
  • 56. تنظیم دقیق (Fine-tuning) مدل‌های Embedding
  • 57. ذخیره‌سازی Embeddings در Pinecone
  • 58. ایجاد Index در Pinecone
  • 59. تعریف Schema برای Index
  • 60. بارگذاری داده‌ها در Index
  • 61. کوئری زدن به Index
  • 62. فیلتر کردن نتایج جستجو
  • 63. استفاده از Metadata در جستجو
  • 64. بهینه‌سازی عملکرد جستجو
  • 65. مقیاس‌پذیری موتور جستجو
  • 66. مدیریت ترافیک بالا
  • 67. مانیتورینگ و لاگینگ
  • 68. امنیت در سیستم‌های جستجوی برداری
  • 69. ملاحظات قانونی و اخلاقی در داده‌ها
  • 70. حفظ حریم خصوصی داده‌ها
  • 71. شفافیت در عملکرد موتور جستجو
  • 72. مقدمه‌ای بر داده‌های تصویری
  • 73. پیش‌پردازش تصاویر
  • 74. استخراج ویژگی از تصاویر
  • 75. مدل‌های Embedding برای تصاویر
  • 76. کاربرد جستجوی برداری در بازیابی تصاویر مشابه
  • 77. مقدمه‌ای بر داده‌های صوتی
  • 78. پیش‌پردازش داده‌های صوتی
  • 79. استخراج ویژگی از داده‌های صوتی
  • 80. مدل‌های Embedding برای داده‌های صوتی
  • 81. کاربرد جستجوی برداری در بازیابی صداهای مشابه
  • 82. مقدمه‌ای بر داده‌های ترکیبی (Multimodal)
  • 83. ترکیب Embeddingها از منابع مختلف
  • 84. جستجوی برداری در داده‌های ترکیبی
  • 85. ساخت یک سیستم جستجوی برداری جامع
  • 86. معماری سیستم نهایی
  • 87. انتخاب ابزارها و تکنولوژی‌ها
  • 88. پیاده‌سازی بخش‌های مختلف سیستم
  • 89. تست و ارزیابی سیستم
  • 90. بهبود مداوم سیستم
  • 91. مباحث پیشرفته در جستجوی برداری
  • 92. جستجوی تقریبی نزدیک‌ترین همسایه (ANN)
  • 93. الگوریتم‌های ANN (HNSW, IVF)
  • 94. مقایسه الگوریتم‌های ANN
  • 95. مدیریت چرخه عمر داده‌ها
  • 96. بازنگری و به‌روزرسانی Embeddings
  • 97. استراتژی‌های Partitioning و Sharding
  • 98. آینده جستجوی برداری
  • 99. کاربردها و روندهای نوظهور
  • 100. چالش‌های پیش رو

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.