Weaviate yang luar biasa
Daftar contoh dan tutorial yang luar biasa tentang cara menggunakan mesin pencari vektor
Singkatnya : Weaviate adalah mesin pencari vektor dan database vektor. Weaviate menggunakan pembelajaran mesin untuk memvektorisasi dan menyimpan data, dan untuk menemukan jawaban untuk pertanyaan bahasa alami. Dengan Weaviate, Anda juga dapat membawa model ML khusus Anda ke skala produksi.
? Dokumentasi? Github? Readme
Daftar isi
Contoh
Posting Blog
- Pencarian semantik melalui Wikipedia dengan Weaviate (GraphQL, Kalimat-Bert, dan Bert Q&A)
- Blog Semi: Memulai dengan Mesin Pencari Vektor Weaviate
- Blog Semi: Weaviate adalah mesin pencari untuk embeddings vektor
- Menuju DataScience: Pencarian saraf sub-50ms dengan Distilbert dan Weaviate
- Db-engines.com: Weaviate, database JST dengan dukungan crud
- Blog Semi: Bagaimana Weaviate's GraphQL API dirancang
- IEEE: Membawa teknologi grafik pengetahuan semantik ke data Anda
- Blog Semi: Menemukan Jawaban Dalam Dokumen Kompleks Menggunakan Weaviate
- Blog Semi: Apa yang Harus Diketahui Pengguna Tentang Wadah Docker
- Hackernoon: Pertanyaan pencarian semantik mengembalikan hasil yang lebih terinformasi
- Hackernoon: Memulai dengan mesin pencari vektor Weaviate
- Hackernoon: Apa itu Weaviate dan Cara Membuat Skema Data di dalamnya
- Hackernoon: Bagaimana Weaviate's GraphQL API dirancang
- Hackernoon: Weaviate adalah mesin pencari Anda untuk embeddings vektor
- Hackernoon: Sejarah Mesin Pencari Vektor Weaviate
- Majalah TIK (Belanda)
- Menuju DataScience: Tidak semua database vektor dibuat sama
- Sedang: Pencarian Grafik Pengetahuan 60 juta vektor dengan Weaviate
- Blog Semi: Taksonomi, Ontologi, dan Scehmas Bagaimana Hubungannya Dengan Berhubungan Dengan Weaviate
- Blog Semi: Transformers dengan Weaviate v1.2.x
- Blog Semi: Bangun Aplikasi Frontend Berbasis Bereaksi Untuk Mesin Pencari Saraf Tenun Anda
- Blog Semi: Weaviate, An Ann DB dengan Dukungan CRUD
- Blog Semi: Sejarah Mesin Pencari Weaviate
- Blog Semi: Jika Anda dapat memahami data yang tidak terstruktur Anda
- Menuju DataScience: Memulai dengan Weaviate Python Client
- Menuju DataScience: Efek pencarian HNSW yang difilter pada penarikan dan latensi
- Sedang: Menghapus Dekatan Duplikat Dalam Pengambilan Pencarian Semantik Menggunakan Weaviate
Presentasi di konferensi
- Weaviate @ fosdem 2021
- Weaviate Python Client
- Weaviate @ fosdem 2020
- Weaviate @ Google Cloud's Stackchat
- Weaviate @ fosdem 2019
Wawancara
Google Colab Notebooks
- Saring dokumen serupa (distraktor) Weaviate
- Mulai-dengan-Weviate-Python-Client
Podcast
- Google Cloud Podcast
- Pitch dan wawancara untuk Dutch AID AI AWAN 2021 (dalam bahasa Belanda)
Dataset Demo
- Contoh -contoh Weaviate
- Contoh Dataset
Pertemuan
- Penskalaan horizontal, sharding, kubernetes, dan lainnya di Weaviate v1.8.0
- Memulai (Pengaturan, Vektoris, Skema, Mengimpor Data dan GraphQL)
- Bagaimana cara membuat modul khusus di Weaviate?
- Arsitektur Dive Deep, Cara Membangun Database Vektor
- Memperkenalkan Transformers (Distilbert, Bert, Kalimat-Bert)
- Rilis Weaviate V1.0
