内容 隐藏
1 使用 Python 的 Qdrant（矢量数据库）简介
2 Introduction to Qdrant (Vector Database) Using Python
2.1 学习内容
2.2 要求
2.3 描述
2.4 本课程适合谁：

使用 Python 的 Qdrant（矢量数据库）简介

Introduction to Qdrant (Vector Database) Using Python

学习 Qdrant（矢量数据库）的基础知识、索引数据、快照、带有示例的 Python 客户端等等！

 学习内容

  • 矢量数据库的基础知识
  • Qdrant 简介和安装 Qdrant
  • Qdrant 中的集合、段和点
  • 集合中的向量和有效负载字段
  • 向量和有效载荷索引
  • 对集合进行向量相似性搜索，并根据有效负载过滤结果
  •  量化向量
  • 配置 Qdrant 服务器

 要求

  • Python
  • Docker 和 Docker Compose 的基础知识
  •  基本 Linux 命令

 描述

Qdrant 是一个开源向量数据库，具有内置的向量相似性搜索引擎。Qdrant 是用 Rust 编写的，即使在生产环境中的高负载下，它也被证明是快速可靠的。Qdrant 提供方便的 API 来存储、搜索和管理向量以及向量的相关有效载荷。

本课程将使用其 Python 接口为您提供 Qdrant 的扎实实践技能。在开始之前，您需要具备以下基础知识

  •  Python 编程

  •  Linux 命令

  • Docker 和 Docker Compose

本课程的一些亮点是

  • 所有讲座都是从头开始设计的，以使复杂的主题易于理解

  • 视频讲座中展示了大量的工作实例

  • 课程中使用的示例的可下载 Python 笔记本

  • 精确而翔实的视频讲座

  • 在每场重要的视频讲座结束时进行测验

  • 涵盖了 Qdrant 的广泛基本主题

完成本课程后，您将能够

  • 使用 Python 安装和使用 Qdrant

  • 在 Qdrant 中管理集合

  • 对存储在 Qdrant 集合中的向量执行向量搜索

  • 筛选搜索结果

  • 创建和管理快照

  • 使用 Qdrant 构建可扩展的真实世界 AI 应用程序

本课程将定期更新，立即注册以获得终身使用本课程的机会！

本课程适合谁：

  •  数据科学家
  •  人工智能工程师
  • 机器学习工程师
  •  MLOps 工程师
  •  数据科学家
  • 任何有动力学习和使用 Vector 数据库的人
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。