Data Science i AINowy

Bazy Wektorowe: Pinecone, Weaviate, ChromaDB

Opanuj Pinecone, Weaviate i ChromaDB od podstaw. Naucz się przechowywać embeddingi i budować systemy RAG, które działają w produkcji — praktyczny kurs dla AI engineers.

4.3(18 opinii)👨‍🎓 188 kursantów
22 lekcji
12h nauki
6 quizów
Certyfikat
✨ Dostępny w abonamencie VITA
Zacznij za darmo — 7 dni trial

79 PLN/mc (lub 49 PLN/mc rocznie) · 565+ kursów · Anuluj kiedy chcesz

Jeden abonament — cały katalog kursów

Dostęp do wszystkich 565+ kursów
Testy wiedzy po każdym module
Certyfikat PDF po ukończeniu
Nowe kursy co tydzień
Anuluj kiedy chcesz

Program kursu

6 modułów · 22 lekcji · 12h nauki

1
Moduł 1: Fundamenty Embeddingów i Wyszukiwania Semantycznego3 lekcji + quiz
  • 1Czym są embeddingi i dlaczego rewolucjonizują wyszukiwanie
  • 2Przestrzenie wektorowe i miary podobieństwa: cosine, L2, dot product
  • 3Modele embeddingów: od Word2Vec do text-embedding-3-large
  • Quiz: Fundamenty Embeddingów
2
Moduł 3: Pinecone — Skalowalny Vector Store w Chmurze4 lekcji + quiz
  • 1Konfiguracja Pinecone: indeksy, środowiska, API keys i SDK
  • 2Upsert, query i delete — podstawowe operacje w Pythonie
  • 3Filtrowanie metadanych i organizacja z namespace'ami
  • 4Pinecone w produkcji: limity, koszty, monitoring i optymalizacja
  • Quiz: Pinecone — Skalowalny Vector Store
3
Moduł 4: Weaviate — Semantyczne Wyszukiwanie z GraphQL4 lekcji + quiz
  • 1Instalacja Weaviate i definiowanie schematu klas i właściwości
  • 2Wyszukiwanie semantyczne z nearText i nearVector
  • 3Wyszukiwanie hybrydowe: BM25 i wektory w jednym zapytaniu
  • 4Moduły Weaviate: text2vec-openai i generative-openai w praktyce
  • Quiz: Weaviate
4
Moduł 5: ChromaDB — Lokalna Baza Wektorowa dla Developerów4 lekcji + quiz
  • 1ChromaDB w trybie in-memory i persistent — setup w 5 minut
  • 2Kolekcje, dokumenty i własne embedding functions
  • 3Integracja ChromaDB z LangChain i LlamaIndex
  • 4ChromaDB w Dockerze i środowiskach CI/CD
  • Quiz: ChromaDB
5
Moduł 6: Systemy RAG — Pełna Integracja z LLM4 lekcji + quiz
  • 1Architektura RAG: retrieval, augmentation, generation — jak to działa razem
  • 2Strategie chunkingu: jak dzielić dokumenty dla najlepszej jakości odpowiedzi
  • 3Budowanie pipeline RAG z OpenAI i Pinecone krok po kroku
  • 4Ewaluacja jakości RAG: metryki, narzędzia i techniki optymalizacji
  • Quiz: Systemy RAG
6
Moduł 7: Projekt Końcowy i Egzamin — Asystent AI z Pamięcią Semantyczną3 lekcji + quiz
  • 1Specyfikacja projektu: chatbot z indeksowalną bazą wiedzy
  • 2Implementacja: indeksowanie dokumentów, wyszukiwanie i generowanie odpowiedzi
  • 3Wdrożenie, monitoring i dalsze kierunki rozwoju systemu wektorowego
  • Egzamin Końcowy: Bazy Wektorowe w Praktyce

O kursie

Czym jest ten kurs?

Bazy wektorowe to fundament każdego nowoczesnego systemu AI opartego na wyszukiwaniu semantycznym. Jeśli budujesz aplikacje RAG, chatboty lub systemy rekomendacji — musisz wiedzieć, jak efektywnie przechowywać i przeszukiwać embeddingi w skali produkcyjnej.

Co się nauczysz

  • Jak działają embeddingi i podobieństwo wektorowe (cosine, L2, dot product)
  • Jak konfigurować i zarządzać indeksami w Pinecone — liderze rynku cloud vector stores
  • Jak modelować dane w Weaviate z GraphQL i wyszukiwaniem hybrydowym
  • Jak używać ChromaDB lokalnie oraz w środowiskach produkcyjnych
  • Jak zbudować kompletny pipeline RAG z integracją LLM (OpenAI, Anthropic)
  • Jak optymalizować wyszukiwanie wektorowe pod kątem wydajności i kosztów
  • Jak wybrać właściwą bazę wektorową dla konkretnego projektu i skali

Kurs zawiera gotowe fragmenty kodu w Pythonie, które możesz od razu wdrożyć w swoim projekcie.

🎯Dla kogo jest ten kurs?

✅Dla początkujących chcących nauczyć się od zera
✅Dla profesjonalistów szukających nowych umiejętności
✅Dla osób chcących rozwinąć karierę w tej dziedzinie
✅Dla każdego, kto ceni praktyczną i sprawdzoną wiedzę

Opinie studentów

P

Patrycja H.Zweryfikowany

2 miesięcy temu

Miałem podstawy Pythona i to wystarczyło. Nie muszę być programistą żeby robić Data Science.

P

PiotrekZweryfikowany

3 miesięcy temu

Praktyczne datasety (nie iris ani titanic po raz setny) — polskie dane, realne problemy.

A

Andrzej M.Zweryfikowany

3 miesięcy temu

Pandas, NumPy, wizualizacje — wszystko w jednym miejscu. Po pierwszych 2 modułach robiłam analizy dla zespołu analityków.

G

Grzegorz D.Zweryfikowany

3 miesięcy temu

Matematyka ML wytłumaczona bez udawania że jest prosta. Dokładnie na tyle ile trzeba zrozumieć, co dzieje się pod maską.

❓Najczęściej zadawane pytania

Dostęp masz przez cały czas trwania abonamentu All Access. Certyfikat, który zdobędziesz, pozostaje ważny bezterminowo.
Tak! Po ukończeniu kursu i zdaniu egzaminu końcowego otrzymasz certyfikat PDF z weryfikacją online.
Tak, w dowolnym momencie z panelu konta. Dostęp wygasa z końcem opłaconego okresu.
Kurs jest zaprojektowany tak, abyś mógł zacząć od zera. Nie wymagamy żadnych poprzednich umiejętności.
Kurs składa się z lekcji tekstowych, quizów po każdym module i egzaminu końcowego. Uczysz się we własnym tempie 24/7.

Podobne kursy

Więcej kursów z kategorii Data Science i AI

Automatyzacja Raportów z Python

Nowy
Data Science i AI4.9

Automatyzacja Raportów z Python

10h19 lekcjiAbonament

Machine Learning podstawy

Nowy
Data Science i AI4.9

Machine Learning podstawy

12h27 lekcjiAbonament

Looker Studio: Darmowe Raporty i Dashboardy

Nowy
Data Science i AI4.2

Looker Studio: Darmowe Raporty i Dashboardy

10h8 lekcjiAbonament

Big Data Analytics

Nowy
Data Science i AI4.4

Big Data Analytics

12h27 lekcjiAbonament

Gotowy na nową wiedzę?

Dołącz do 188 kursantów, którzy już uczą się z tym kursem.

Odblokuj z abonamentem — 7 dni za darmo

79 PLN/mc (lub 49 PLN/mc rocznie) · 565+ kursów · Anuluj kiedy chcesz