굉장한 직조
벡터 검색 엔진 사용 방법의 멋진 예와 튜토리얼 목록
간단히 말해서 weaviate : weaviate는 벡터 검색 엔진 및 벡터 데이터베이스입니다. Weaviate는 머신 러닝을 사용하여 데이터를 벡터화하고 저장하고 자연어 쿼리에 대한 답변을 찾습니다. Weaviate를 사용하면 맞춤형 ML 모델을 생산 규모로 가져올 수도 있습니다.
목차
예
블로그 게시물
- Weaviate (GraphQL, Sentence-Bert 및 Bert Q & A)와 Wikipedia를 통한 시맨틱 검색
- 반 블로그 : Weaviate 벡터 검색 엔진을 시작하기
- 반 블로그 : Weaviate는 벡터 임베딩을위한 검색 엔진입니다.
- Datascience를 향해 : Distilbert 및 Weaviate를 사용한 50ms 이하의 신경 검색
- DB-engines.com : CRUD 지원이있는 Ann 데이터베이스 인 Weaviate
- 반 블로그 : Weaviate의 GraphQL API가 설계된 방법
- IEEE : 의미 론적 지식 그래프 기술을 데이터에 가져옵니다
- 반 블로그 : weaviate를 사용하여 복잡한 문서에서 답변 찾기
- 반 블로그 : Docker 컨테이너에 대해 사용자가 알아야 할 사항
- hackernoon : 시맨틱 검색 쿼리는 더 많은 정보를 얻는 결과를 반환합니다
- hackernoon : Weaviate 벡터 검색 엔진을 시작합니다
- hackernoon : weaviate와 데이터 스키마를 만드는 방법
- hackernoon : Weaviate의 GraphQL API가 어떻게 설계되었는지
- hackernoon : weaviate는 벡터 임베드를위한 검색 엔진입니다
- hackernoon : weaviate 벡터 검색 엔진의 역사
- ICT 매거진 (네덜란드)
- Datascience를 향해 : 모든 벡터 데이터베이스가 동일하지는 않습니다
- 매체 : 직조를 가진 6 천만 벡터의 지식 그래프 검색
- 반 블로그 : 분류, 온톨로지 및 SCEHMAS가 직조와 관련된 방법
- 반 블로그 : weaviate v1.2.x가있는 변압기
- 반 블로그 : 직조 신경 검색 엔진을위한 React 기반 프론트 엔드 앱 구축
- 반 블로그 : Weaviate, CRUD 지원을받은 Ann DB
- 반 블로그 : 직조 검색 엔진의 역사
- 반 블로그 : 구조화되지 않은 데이터를 이해할 수있는 경우
- Datascience를 향해 : Python 클라이언트를 짜서 시작합니다
- Datascience로 : 리콜 및 대기 시간에 대한 필터링 된 HNSW 검색의 영향
- 매체 : weaviate를 사용하여 시맨틱 검색 검색에서 근처 복제물 제거
회의에서 발표
- weaviate @ fosdem 2021
- Python 클라이언트를 짜십시오
- weaviate @ fosdem 2020
- weaviate @ google cloud의 stackchat
- weaviate @ fosdem 2019
인터뷰
Google Colab 노트북
- 유사한 문서 (산만)를 필터링합니다
- with weeviate-python-client와 함께 시작됩니다
팟 캐스트
- Google 클라우드 팟 캐스트
- 네덜란드 애플리케이션 AI Award 2021 (네덜란드어)에 대한 피치 및 인터뷰
데모 데이터 세트
모임
- 직조 V1.8.0에서 수평 스케일링, 샤딩, Kubernetes 등
- 시작하기 (설정, 벡터 라이저, 스키마, 데이터 가져 오기 및 GraphQL)
- Weaviate에서 사용자 정의 모듈을 만드는 방법은 무엇입니까?
- 아키텍처 깊은 다이빙, 벡터 데이터베이스를 구축하는 방법
- 변압기 소개 (Distilbert, Bert, Sentence-Bert)
- v1.0 릴리스를 weaviate
