Vektör Veritabanı Temelleri, Gömmeler (Embeddings) ve Arama Algoritmaları

Vector DB Foundations: Embeddings & Search Algorithms, sizi basit anahtar kelime aramanın ötesine taşıyarak anlamsal arama (semantic search) dünyasına sokar. Sekiz orta düzey kurs boyunca yapılandırılmamış metin ve görselleri anlamlı vektör gömmelerine (vector embeddings) dönüştürmeyi; bunları t-SNE ve en yakın komşu analizi kullanarak değerlendirmeyi ve üretim kalitesinde Python betikleri kullanarak büyük veri kümelerini toplu olarak işlemeyi öğreneceksiniz. Ardından, belirli kullanım durumları için geri çağırma (recall) ve gecikme süresini (latency) dengelemek amacıyla efConstruction, M ve efSearch parametrelerini nasıl değiştireceğinizi öğrenerek Hierarchical Navigable Small World (HNSW) algoritmasında uzmanlaşacaksınız. Diğer kurslar size kosinüs benzerliği, nokta çarpımı ve Öklid mesafelerini hesaplamayı ve bunların sıralama ile öneri sistemleri üzerindeki etkilerini kıyaslamayı; FAISS ve Annoy ile Yaklaşık En Yakın Komşu (ANN) indeksleri oluşturup değerlendirmeyi; vektör veritabanlarının geleneksel ilişkisel veya NoSQL sistemlerden nasıl ayrıldığını açıklamayı ve doğru veritabanını seçmek için karar çerçeveleri oluşturmayı; ağırlıklandırma ve NDCG metrikleriyle anahtar kelime ve vektör yöntemlerini birleştiren hibrit aramalar tasarlamayı; LLM'leri harici verilerle destekleyen erişimle zenginleştirilmiş nesil (RAG) boru hatları uygulamayı ve Weav kullanarak çok modlu aramayı yapılandırmayı öğretir.