Yakında

Vector Database Mühendisliği

Embeddings depolama, indeksleme (HNSW/IVF), hybrid search, filtreleme, ölçekleme ve maliyet optimizasyonu.

Seviye

Orta

Süre

18 saat

Tahmini yayın

2027 Q2

Kategori

AI Engineering

AI uygulamalarının belleği olan vector database'leri derinlemesine ele alan kurs. Embedding depolamadan indeks seçimine (HNSW, IVF), hybrid search ve metadata filtrelemeden ölçekleme ve maliyet optimizasyonuna; pgvector, Pinecone, Qdrant ve Milvus'u gerçek senaryolarla karşılaştırarak doğru aracı seçmeyi öğrenirsin.

Öğrenilecek teknolojiler

pgvectorPineconeQdrantMilvusHNSWHybrid search

Ne öğreneceksin

  • Embedding indeks tiplerini (HNSW/IVF) ve tradeoff'larını kavrama
  • pgvector, Pinecone, Qdrant, Milvus arasında doğru tercih
  • Hybrid search ve metadata filtreleme kurma
  • Ölçekleme, sharding ve maliyet optimizasyonu

Kimler için

  • RAG ve arama sistemleri kuran mühendisler
  • Vector veritabanı seçimi yapacak ekipler
  • Ölçek ve maliyetle boğuşan AI geliştiricileri

Müfredat özeti

  1. 01Vector database temelleri ve embedding depolama
  2. 02İndeksleme: HNSW, IVF ve tradeoff'lar
  3. 03pgvector ve yönetilen servisler
  4. 04Hybrid search ve filtreleme
  5. 05Ölçekleme ve performans
  6. 06Maliyet ve üretim operasyonu
İlk talep eden sen olFiyat yakında

Ön talep oluştur

Birkaç soru daha yanıtla; kursu önceliklendirmemize ve sana uygun formatı seçmemize yardımcı ol.