Vector Databases and RAG with Python Rajdeep Dua
- Autor:
- Rajdeep Dua
- Wydawnictwo:
- BPB Publications
- Ocena:
- Stron:
- 334
- Dostępne formaty:
-
ePubMobi
Opis
książki
:
Vector Databases and RAG with Python
As large language models continue to transform how we build intelligent systems, the ability to integrate proprietary data through vector search and RAG has become essential for creating accurate, contextually-aware applications that go beyond the limitations of pre-trained models
This comprehensive guide takes you from foundational concepts to production-ready implementations of vector databases and RAG systems. Starting with vector semantics and embeddings, you will learn to generate vector representations using neural networks, BERT, and OpenAI models. The book covers popular vector databases including Weaviate and Milvus, teaching you how to implement efficient search algorithms like k-nearest neighbors and hierarchical navigable small worlds. You will build complete RAG pipelines, explore advanced techniques like GraphRAG, and master evaluation frameworks using LlamaIndex. Each chapter includes hands-on Python examples with practical code implementations that demonstrate real-world applications.
By the end of this book, you will have mastered the skills needed to design, build, and evaluate production-grade vector search systems and RAG applications. You will be equipped to enhance LLM applications with private data, implement semantic search at scale, troubleshoot retrieval issues, and solve real-world information retrieval challenges using cutting-edge AI techniques with confidence. What you will learn
Generate embeddings using neural networks, BERT, and OpenAI models.
Implement vector search algorithms including KNN and HNSW.
Develop GraphRAG systems for structured knowledge representation.
Evaluate and optimize RAG applications using LlamaIndex frameworks.
Design scalable vector database architectures for production environments.
Integrate vector search with LLMs for intelligent retrieval. Who this book is for
This book is designed for data scientists, machine learning engineers, and software developers who want to build intelligent search and retrieval systems using modern AI techniques. It is ideal for professionals working with large language models who need to integrate private data, implement semantic search capabilities, or build production-ready RAG applications. Table of Contents
1. Introduction to Vector Search
2. Getting Vector Representation
3. Searching using Vectors
4. Nearest Neighbor Search
5. Vector Databases Weaviate
6. Vector Databases Milvus
7. Solving RAG Use Cases with Milvus and Weaviate
8. Graph RAG
9. RAG Introduction with LlamaIndex
10. Evaluating RAG
Szczegóły książki
- ISBN Ebooka:
- 978-93-785-4568-9, 9789378545689
- Data wydania ebooka :
-
2026-07-06
Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna
z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie.
Jeśli masz wątpliwości skontaktuj się z nami sklep@helion.pl.
- Język publikacji:
- angielski
- Rozmiar pliku ePub:
- 12.8MB
- Rozmiar pliku Mobi:
- 12.8MB
Dzięki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
Masz pytanie o konkretny tytuł? Napisz do nas: sklep@helion.pl
Książka drukowana
Oceny i opinie klientów: Vector Databases and RAG with Python Rajdeep Dua
(0)