Vektör Veri Tabanları ile Uygulama Geliştirme

Vektör veri tabanları, verilerin anlamını yakalamak, farklı vektör çiftleri arasındaki benzerliği ölçmek ve en benzer vektörleri belirlemek amacıyla büyük veri kümelerinde gezinmek için vektör temsillerini (embeddings) kullanır. Büyük dil modelleri (LLM) bağlamında, vektör veri tabanlarının birincil kullanım alanı, metin temsillerinin depolandığı ve belirli sorgular için geri çağrıldığı Arama ile Güçlendirilmiş Üretim (RAG) yöntemidir. Ancak, vektör veri tabanlarının çok yönlülüğü RAG'in de ötesine geçer ve minimum kodlamayla hızlı bir şekilde çok çeşitli uygulamalar oluşturmayı mümkün kılar. Bu kursta, vektör veri tabanlarını kullanarak altı farklı uygulamanın hayata geçirilmesini keşfedeceksiniz: 1. Semantik Arama: Kullanıcı soru-cevap veri kümesinde verimli metin tabanlı aramalar yapmak için içerik anlamına odaklanan ve anahtar kelime eşleştirmenin ötesine geçen bir arama aracı oluşturun. 2. RAG: Wikipedia veri kümesini kullanarak soruları yanıtlamak gibi, modelin eğitilmediği kaynaklardan içerikler ekleyerek LLM uygulamalarınızı geliştirin. 3. Öneri Sistemi: Konu önermek için semantik arama ve RAG'i birleştiren bir sistem geliştirin ve bunu bir haber makalesi veri kümesiyle gösterin. 4. Hibrit Arama: Hem görselleri hem de açıklayıcı metinleri kullanarak öğeleri bulan bir uygulama oluşturun.