awesome weaviate

Tolles Weaviat

Fantastische Liste der Beispiele und Tutorials zur Verwendung der Vektor -Suchmaschine

---

Weaviate In den USA : Weaviate ist eine Vektor -Suchmaschine und eine Vektordatenbank. Weaviate verwendet maschinelles Lernen, um Daten zu vectorisieren und zu speichern und Antworten auf Abfragen für natürliche Sprache zu finden. Mit Weaviate können Sie auch Ihre benutzerdefinierten ML -Modelle auf die Produktionsskala bringen.

Dokumentation? ‍Github? Readme

---

Inhaltsverzeichnis

• Beispiele

  • Liste der Weaviate -Beispiele

• Blog -Beiträge

  • Semantische Suche durch Wikipedia mit Weaviate (GraphQL, Surtor-Bert und Bert Q & A)
  • Semi -Blog: Erste Schritte mit der Suchmaschine der Weaviate Vector
  • Semi Blog: Weaviate ist eine Suchmaschine für Vektor -Einbettungen
  • In Richtung DataScience: Eine neuronale Suche unter 50 ms mit Distilbert und Waviate
  • Db-engines.com: Weaviate, eine Ann-Datenbank mit CRUD-Unterstützung
  • Semi -Blog: Wie die GraphQL -API von Weaviate entworfen wurde
  • IEEE: Semantische Wissensgrafik -Technologie in Ihre Daten bringen
  • Semi -Blog: Antworten in einem komplexen Dokument mit Weaviate finden
  • Semi -Blog: Was WeaViate -Benutzer über Docker -Container wissen sollten
  • Hackernoon: Semantische Suchanfragen geben fundiertere Ergebnisse zurück
  • Hackernoon: Erste Schritte mit der Suchmaschine der WeaViate Vector
  • Hackernoon: Was ist ein Wea und wie man Datenschemata erstellt?
  • Hackernoon: Wie die GraphQL -API von Weaviate entworfen wurde
  • Hackernoon: Weaviate ist Ihre Suchmaschine für Vektor -Einbettungen
  • Hackernoon: Die Geschichte der Suchmaschine der Weaviate Vector
  • IKT Magazine (Niederländisch)
  • In Richtung DataScience: Nicht alle Vektor -Datenbanken werden gleich gemacht
  • Medium: Wissensgrafik -Suche von 60 Millionen Vektoren mit Weaviate
  • Semi -Blog: Taxonomien, Ontologien und Scehmas, wie sie sich auf das Weaviate beziehen
  • Semi -Blog: Transformers mit Weaviate V1.2.x
  • Semi -Blog: Erstellen Sie eine React -basierte Frontend -App für Ihre neuronale Suchmaschine
  • Semi -Blog: Weaviate, eine Ann DB mit CRUD -Unterstützung
  • Semi -Blog: Geschichte der Suchmaschine der Weaviate
  • Semi -Blog: Wenn Sie Ihre unstrukturierten Daten verstehen könnten
  • In Richtung DataScience: Erste Schritte mit dem Weaviate Python Client
  • In Richtung DataScience: Auswirkungen der gefilterten HNSW -Suche auf Rückruf und Latenz
  • Medium: Entfernen Sie in der Nähe von Duplikaten im semantischen Suchabruf mit Weaviate

• Präsentation bei Konferenzen

  • Waviate @ fosdem 2021
  • Weaviate Python Client
  • Weben Sie @ fosdem 2020
  • Weaviate @ Google Cloud von Stackchat
  • WEAVIATE @ FOSDEM 2019

• Interviews

  • Sagepub Journal

• Google Colab Notebooks

  • Filtern Sie ähnliche Dokumente (Distraktoren) ein.
  • Mit dem Witz-Python-Klient einsetzen

• Podcasts

  • Google Cloud Podcast
  • Pitch und Interview für niederländische AI ​​-Preis 2021 (auf Niederländisch)

• Demo -Datensätze

  • Vorbeispiele
  • Beispieldatensätze

• Meetups

  • Horizontale Skalierung, Sharding, Kubernetes und mehr in Weaviate V1.8.0
  • Erste Schritte (Setup, Vectorizer, Schemas, Importieren von Daten und GraphQL)
  • Wie erstelle ich benutzerdefinierte Module in Weaviate?
  • Architektur Deep Dive, wie man eine Vektordatenbank erstellt
  • Einführung von Transformatoren (Distilbert, Bert, Satztbert)
  • V1.0 -Veröffentlichung