الانتقال إلى المحتوى

دليل الدورات

قواعد البيانات المتجهية

البحث بالمعنى، لا بالكلمات المفتاحية.

يعتمد البحث الحديث بالذكاء الاصطناعي على المتجهات: تتحول النصوص والصور والشيفرة إلى نقاط في فضاء عالي الأبعاد، حيث يعني التقارب تشابه المعنى. تبدأ بالتمثيلات المتجهية والنماذج التي تنتجها، ثم تتعلم مقاييس المسافة لترتيب النتائج، وتتقن فهارس ANN (HNSW وIVF والتكميم) التي تسرّع البحث في مليارات المتجهات. وفي النهاية، تبني بحثًا دلاليًا وهجينًا فعليًا في Postgres باستخدام pgvector، وتتعلم اختيار المحرك المناسب من Pinecone وWeaviate وQdrant وMilvus وChroma.

المنهج

  1. القسم 1

    التمثيلات المتجهية والمتجهات

    تحويل النص إلى أرقام تحمل المعنى. تعرّف على التمثيل المتجهي، وكيف يصبح المعنى هندسة، وأي النماذج تختار في 2026.

    1. ما التمثيل المتجهي؟
    2. المعنى كنقاط في الفضاء
    3. الأبعاد والرموز والمتجهات
    4. اختيار نموذج تمثيل متجهي
  2. القسم 2

    التشابه والمسافة

    حين يصبح المعنى هندسة، يصبح ترتيب النتائج مجرد قياس للمسافة. تعرّف على جيب التمام والضرب الداخلي وL2، وكيفية اختيار المقياس، ولعنة الأبعاد.

    1. التشابه بجيب التمام
    2. الضرب الداخلي والمسافة الإقليدية
    3. اختيار المقياس وkNN
    4. لعنة الأبعاد
  3. القسم 3

    فهارس ANN والفهرسة

    الحفاظ على سرعة البحث عند التوسع. تعرّف على فهارس أقرب الجيران التقريبية (HNSW وIVF)، والتكميم للضغط، وكيفية ضبط التوازن بين نسبة الاسترجاع وزمن الاستجابة.

    1. البحث الدقيق والتقريبي
    2. HNSW: فهرس الرسم البياني
    3. IVF والتجميع
    4. التكميم والمفاضلات
  4. القسم 4

    البناء باستخدام pgvector

    بناء بحث دلالي فعلي في Postgres باستخدام pgvector، ثم استكشاف المحركات المتخصصة. أعمدة المتجهات وعوامل المسافة وفهارس HNSW والتصفية بالبيانات الوصفية والبحث الهجين وكيفية الاختيار.

    1. الأعمدة والعوامل
    2. الفهرسة وأفضل K نتائج
    3. التصفية والبحث الهجين
    4. اختيار قاعدة بيانات متجهية

مسارات التعلّم

فكرتك على أرض الواقع. البداية في 60 ثانية.

تجربة مجانية لمدة 7 أيام في كل خطة للأعضاء الجدد لأول مرة · الإلغاء في أي وقت

البدء

العودة إلى الدورات