ما در آیتی هلو از شهریور ۱۴۰۲ کارمون رو با عشق به کتاب و یادگیری شروع کردیم. تخصص ما چاپ کتابهای تخصصی به زبان اصلیه و با استفاده از تکنولوژیهای روز و مواد اولیه باکیفیت، مطمئن میشیم که هر کتاب از نظر ظاهر و محتوا در بهترین سطح قرار بگیره.
هدفمون اینه که دسترسی به منابع علمی و آموزشی معتبر رو برای همه سادهتر کنیم و در این مسیر، همراه و همکار خوبی برای شما باشیم.
A Practical Introduction
این اثر یک مرجع بیبدیل و کاملاً کاربردی برای ورود به دنیای مدرن مدیریت دادههای بدون ساختار و هوش مصنوعی است. اگر همیشه به دنبال یک منبع واحد، منسجم و عملی برای درک تئوری و کاربردهای پایگاه دادههای برداری بودهاید، این کتاب دقیقاً همان چیزی است که نیاز دارید. در دنیای امروز که دادهها به سرعت در حال رشد هستند، منابع موجود درباره پایگاه دادههای برداری اغلب به صورت پراکنده در مستندات شرکتها، مقالات وبلاگها و کدهای پراکنده یافت میشوند. اما این کتاب با یک رویکرد کاملاً متفاوت نوشته شده است. تمرکز اصلی این اثر بر ارائه مثالهای کاربردی و کدهای اجرایی است تا پوشش صرفاً تئوری.
شما در این کتاب یک مسیر کاملاً سیستماتیک را طی خواهید کرد؛ مسیری که از مفاهیم پایهای آغاز شده و به سمت سیستمهای کاربردی ساده برای سازماندهی دادههای محلی، به خصوص دادههای خصوصی، حرکت میکند. هدف نهایی این است که توسعهدهندگان سطح متوسط، از افراد علاقهمند به مباحث تئوری گرفته تا کسانی که تنها به دنبال کدهای اجرایی هستند، بتوانند بیشترین بهره را از این محتوای غنی ببرند.
این کتاب از یک قوس آموزشی بسیار شفاف و منطقی پیروی میکند که شامل چهار مرحله اصلی است: مفاهیم، ابزارها، کاربردها و مسیرهای آینده. هر فصل بر مبنای فصلهای پیشین بنا شده است و در عین حال، با ارائه مثالهای کدنویسی شده و کاربردی، جنبه عملی خود را کاملاً حفظ میکند.
شما از درک چیستی پایگاه دادههای برداری شروع میکنید و به سمت ساخت برنامههای کاربردی که برای استفاده شخصی، تعامل مستقیم و توسعهپذیری طراحی شدهاند، پیش میروید. رویکرد خاص و متمایز این کتاب، تمرکز بر پایگاه دادههای رابطهای و برداری ترکیبی ساده است. این ترکیب از طریق افزودن افزونههای برداری به پایگاه دادههای متنباز و شناختهشدهای مانند اسکیواللایت و پستگرسکیوال ایجاد میشود. از آنجا که این سیستمها برای توسعهدهندگان بسیار آشنا هستند، تنها با افزودن نوع داده برداری، دنیای کاملاً جدیدی از برنامههای کاربردی دادهمحور و هوش مصنوعی به روی شما باز خواهد شد.
باید تاکید کنیم که برنامههای ارائه شده در این کتاب برای یادگیری عمیق و دستبهکد شدن طراحی شدهاند. شما میتوانید این کدها را مطابق با نیازهای خود تغییر دهید و سیستمهای شخصیسازی شده خود را بسازید.
در این بخش، به صورت دقیق و تحلیلی به بررسی محتوای هر یک از بخشهای کتاب میپردازیم تا با دیدی کاملاً باز اقدام به تهیه این اثر ارزشمند چاپ شده نمایید.
این دو فصل پایه و اساس درک شما از پایگاه دادههای برداری، تعبیهها (فضاهای برداری تعبیه شده) و اصول جستجوی معنایی را شکل میدهند.
فصل اول: مقدمهای بر پایگاه دادههای برداری
در این فصل، پایگاه دادههای برداری به عنوان فناوری بنیادین برای برنامههای کاربردی هوش مصنوعی معرفی میشوند. شما خواهید آموخت که چرا دادههای بدون ساختار مانند متن، تصویر، صدا و ویدیو، به جای تطابق کلمات کلیدی، نیازمند جستجوی معنایی هستند. مفاهیم کلیدی مانند نوع داده برداری، جستجوی شباهت و عملیاتهای ریاضی مرتبط مانند محاسبه شباهت کسینوسی، به زبانی ساده و کاربردی توضیح داده شدهاند. همچنین تفاوت این سیستمها با پایگاههای سنتی مقایسه شده و معماریهای ترکیبی به دقت بررسی میشوند.
کلمات کلیدی:فصل دوم: تعبیههای برداری
این بخش یک بررسی عمیق از تاریخچه، تکامل و استفاده کنونی از تعبیههای برداری همراه با مثالهای کدنویسی برای برنامههای مدل زبانی ارائه میدهد. شما یاد میگیرید که چگونه تعبیههای برداری شکاف بین دادههای بدون ساختار و بازنماییهای قابل پردازش توسط ماشین را پر میکنند. مبانی ریاضیاتی و نحوه انعکاس شباهت معنایی از طریق نزدیکی در فضای برداری، چارچوب مفهومی لازم برای کاربردهای عملی در فصلهای بعدی را فراهم میکند.
در این بخش، نحوه ساخت سیستمهای جستجوی مقیاسشخصی با استفاده از ابزارهای قدرتمند آموزش داده میشود.
فصل سوم: جستجوی شباهت با فیس (جستجوی شباهت هوش مصنوعی فیسبوک)
این فصل موتور جستجوی فیس را هم به عنوان یک موتور جستجوی شباهت برای محیطهای عملیاتی و هم به عنوان یک جعبهابزار انعطافپذیر برای ساخت پایگاه دادههای برداری سفارشی بررسی میکند. این بخش برای توسعهدهندگانی طراحی شده است که به معماری داخلی جستجوی برداری علاقهمند هستند. تمرکز این فصل بر پیادهسازیهای مبتنی بر پردازنده مرکزی (سیپییو) است تا بالاترین میزان دسترسیپذیری را برای همه خوانندگان فراهم کند.
فصل چهارم: جستجوی معنایی با اسکیواللایت سه
در این فصل، یک سیستم مدیریت دانش شخصی با استفاده از جستجوی معنایی بر روی محتوای متنی ساخته میشود. این فصل تفاوت جستجوی مبتنی بر معنی در برابر تطابق کلمه کلیدی را به صورت عملی نشان میدهد. شما با یک افزونه ویژه آشنا میشوید که جستجوی برداری را وارد دنیای پایگاه دادههای رابطهای میکند و به شما اجازه میدهد تا بازیابی معنایی را با فیلترکردن ابردادههای رابطهای در یک جریان کاری واحد ترکیب کنید.
این فصلها شما را از دادههای عمومی به سمت دادههای خصوصی و کاربردهای بسیار پیشرفتهتر هدایت میکنند.
فصل پنجم: ساخت سیستم جستجوی مقالات علمی با پستگرسکیوال
این بخش به ساخت یک سیستم جستجوی ادبیات علمی میپردازد که چالش کشف تحقیقات مرتبط در میان میلیونها مقاله را حل میکند. شما خواهید دید که چگونه تعبیههای برداری روابط معنایی را ثبت میکنند که جستجوی کلمات کلیدی سنتی از درک آنها عاجز است. این سیستم نشان میدهد که چگونه میتوان اصطلاحات فنی، محتوای ساختاریافته دانشگاهی و ابردادهها را در یک سیستم جستجوی یکپارچه مدیریت کرد.
فصل ششم: ساخت سیستم تولید تقویتشده با بازیابی محلی
در اینجا، یک سیستم کامل که جستجوی برداری را با قابلیتهای مدلهای زبانی بزرگ محلی ترکیب میکند، ساخته میشود. این یک سیستم کاملاً خصوصی و محلی است که روی یک رایانه رومیزی اجرا میشود. این معماری مشکل اساسی مدلهای زبانی (یعنی محدود بودن دانش آنها به زمان آموزش) را حل کرده و پاسخها را بر اساس دادههای بازیابی شده واقعی استوار میکند تا از تولید اطلاعات غلط جلوگیری شود.
فصل هفتم: ساخت سیستم پژوهشی با پستگرسکیوال
این فصل یک سیستم تولید تقویتشده با بازیابی را توسعه میدهد که به طور خاص برای ادبیات علمی با چالشهای منحصر به فرد آن طراحی شده است. از مدیریت اصطلاحات فنی گرفته تا شبکههای استنادی و کیفیت شواهد، همه در این سیستم در نظر گرفته شدهاند. این بخش نحوه مدیریت زبان تخصصی و قراردادهای ساختاریافته دانشگاهی را در سطح سازمانی نشان میدهد.
فصل هشتم: ساخت سیستم کامل جستجوی مکالمات
در این مرحله، شما از جستجوی دادههای عمومی فراتر رفته و یک «مغز دوم» برای تاریخچه چتهای شخصی خود با دستیارهای هوش مصنوعی میسازید. این سیستم با ویژگیهای منحصر به فرد دادههای محاورهای، وابستگیهای متنی و الگوهای زبانی شخصی دست و پنجه نرم میکند و به شما امکان میدهد بینشها، راهحلها و دانش آموخته شده را از میان هزاران مکالمه استخراج کنید.
فصل نهم: زبان پرسوجوی برداری
این فصل نهایی، یک زبان پرسوجوی آزمایشی و الهام گرفته از اسکیوال را برای استانداردسازی چشمانداز پراکنده پایگاه دادههای برداری پیشنهاد میدهد. این پیشنهاد نیازهای توسعهدهندگان برنامهها، نگهدارندههای پایگاه داده و محققان یادگیری ماشین را به طور همزمان برطرف میکند. مدل دادهای پیشنهادی شامل مجموعهها، جداول، بردارها که به صورت V=[v1,v2,...,vn]V = [v_1, v_2, ..., v_n]V=[v1,v2,...,vn] تعریف میشوند، و نحو پرسوجویی است که آشنایی با پایگاههای رابطهای را با عملیات برداری ترکیب میکند.
مخاطبان اصلی این کتاب ارزشمند شامل گروههای زیر هستند:
توسعهدهندگان نرمافزارهای سازمانی که در حال ساخت اولین برنامههای هوش مصنوعی خود هستند.
دانشمندان داده که به دنبال پیادهسازی سیستمهای جستجوی معنایی دقیق میباشند.
مهندسین یادگیری ماشین که بر روی سیستمهای تولید تقویتشده با بازیابی کار میکنند.
توسعهدهندگان سمت سرور (بکاند) که قصد دارند قابلیتهای برداری را به سیستمهای موجود اضافه کنند.
همچنین، این اثر برای تمامی افرادی که از طریق انجام دادن و کدنویسی یاد میگیرند، یک انتخاب بینظیر است.
برای درک بهتر مفاهیم این کتاب، تسلط بر برنامهنویسی پایتون، درک پایهای از پایگاههای داده، آشنایی با اجرای محلی مدلهای زبانی و راحتی با مفاهیم ساده ریاضی ضروری است.
تمامی مثالهای این کتاب بر روی لپتاپهای توسعهدهندگان استاندارد قابل اجرا است. نیازمندیها شامل پایتون نسخه سه و یازده به بالا، سیستمعاملهای لینوکس، مک یا محیط لینوکس در ویندوز است. برای اجرای بهینه مدلهای زبانی محلی، حداقل شانزده گیگابایت حافظه موقت (ترجیحاً بیست و چهار گیگابایت) و بین پانصد و دوازده گیگابایت تا یک ترابایت فضای ذخیرهسازی فیزیکی پیشنهاد میشود.
همین حالا نسخه چاپی این کتاب مرجع را به کتابخانه تخصصی خود اضافه کنید و قدم در مسیر توسعه پیشرفتهترین سیستمهای دادهمحور بگذارید.
نمونه چاپ کتاب موجود نیست.
نظرات کاربران (0)