vectorsearch

vectorsearch.tech

벡터 검색 기술 저장소에 오신 것을 환영합니다! 이 프로젝트는 벡터 검색 기술의 세계를 탐색하는 데 전념하는 웹 사이트의 코드 및 내용을 호스팅합니다. 벡터 데이터베이스를 처음 접하거나 심층적 인 통찰력을 찾는 전문가이든이 웹 사이트는 벡터 검색 솔루션을 사용하는 개발자, 데이터 과학자 및 연구원을 지원하기위한 블로그, 튜토리얼 및 가이드를 제공합니다.

웹 사이트 개요

웹 사이트는 다음과 같은 벡터 검색 기술에 대한 포괄적 인 리소스입니다.

• 블로그 게시물 : 해당 분야의 트렌드, 혁신 및 모범 사례에 대한 생각을 불러 일으키는 기사.
• 튜토리얼 : 벡터 검색 응용 프로그램을 구축하고 최적화하는 데 도움이되는 실습 자습서.
• 가이드 : 벡터 검색 데이터베이스를 사용하여 실제 과제를 해결하기위한 단계별 지침.

저자에 대해

이 웹 사이트는 Qdrant의 개발자 관계 책임자 인 David Myriel 이 소유하고 유지 관리합니다. David는 개발자 관계에 대한 수년간의 경험과 AI 및 검색 기술의 발전에 대한 열정 으로이 플랫폼을 통해 학습자 및 혁신가 커뮤니티를 육성하는 것을 목표로합니다.

저장소 구조

 /docs
   /blog       # Blog posts (Markdown files)
   /tutorials  # Tutorials and sample code
   /guides     # Comprehensive guides on vector search
/assets        # Static assets (images, CSS, JS)
/mkdocs.yml    # MkDocs configuration file

MKDocs 자료로 로컬로 운영하는 방법

MKDocs 자료를 사용하여 로컬로 웹 사이트를 실행하려면 다음을 수행하십시오.

1. 저장소 복제 :

   git clone https://github.com/davidmyriel/vectorsearch.git
   cd vector-search-website

2. MKDoc 및 종속성을 설치하십시오 .

   pip install mkdocs-material

3. 현지에서 사이트를 제공하십시오 .

   mkdocs serve

4. 웹 사이트보기 :
   브라우저에서 http : // localhost : 8000을 엽니 다.

기여

기부금을 환영합니다! 이 프로젝트에 기여하려면 다음을 수행하십시오.

1. 저장소를 포크하십시오.
2. 새 지점을 만듭니다 ( git checkout -b feature/your-feature-name ).
3. 변경 사항을 커밋하십시오 ( git commit -m 'Add feature' ).
4. 분기 ( git push origin feature/your-feature-name )를 푸시하십시오.
5. 풀 요청을 엽니 다.

? 특허

이 프로젝트는 MIT 라이센스 에 따라 라이센스가 부여됩니다. 자세한 내용은 라이센스 파일을 참조하십시오.

? 연락하다

문의 사항을 보려면 David Myriel에 문의하십시오.

• LinkedIn : David Myriel