- Brossura
- Nuovo
Da: CitiRetail, Stevenage, Regno UnitoCitiRetail
Venditore AbeBooks dal 29 giugno 2022
Condizione: Nuovo
EUR 38,32
Quantità: 1 disponibile
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
Paperback. Build accurate, scalable semantic search systems that go far beyond basic nearest neighbor retrieval.Modern AI applications need more than a place to store embeddings. They need hybrid retrieval, metadata filtering, reranking, access control, efficient indexing, measurable relevance, reliable ingestion, and production infrastructure that can scale with real workloads.This practical guide takes you from vector search fundamentals through sophisticated retrieval pipelines and production operations, showing how Qdrant fits into RAG, enterprise search, recommendation systems, agent memory, multimodal applications, and other semantic AI workloads.What you will learn: Design collections with dense sparse named and multivector representationsGenerate and store embeddings with FastEmbed and multiple inference workflowsBuild precise payload filters nested conditions indexes facets and access controlsUse the unified Query API for similarity search recommendations discovery grouping sampling and multi stage retrievalImplement native BM25 sparse retrieval full text search and tenant aware lexical relevanceCombine dense and sparse candidates with RRF weighted RRF and distribution based score fusionBuild reranking pipelines with ColBERT cross encoders MUVERA and Matryoshka representationsApply Formula Queries for freshness popularity geography and business aware rankingMeasure Recall Precision MRR NDCG ANN accuracy latency and retrieval qualityBuild production RAG with chunking source grouping metadata and permission filtersCreate product search enterprise search recommendations agent memory multimodal search and code search systemsTune HNSW filtered ANN ACORN memory tiers and optimizer behavior for demanding workloadsReduce memory and storage costs with scalar binary product TurboQuant and Turbo4 compressionManage bulk ingestion retries incremental embedding updates model migrations and data lifecyclesScale with shards replicas consistency controls custom sharding tiered multitenancy and capacity planningDeploy and operate secure systems with Docker Kubernetes Helm managed cloud hybrid cloud private cloud monitoring backups and disaster recoveryYou will also see how advanced retrieval components fit together, including candidate prefetch, global fusion across shards, late interaction reranking, business aware scoring, tenant isolation, read write contention, quantized rescoring, snapshots, migrations, and embedded edge retrieval.Hands on Python code, API examples, Shell commands, and configuration samples connect the concepts to implementation so you can apply them to real semantic search and AI retrieval projects.Grab your copy today and build retrieval systems designed for relevance, scale, and production use. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.…
Codice articolo 9798194216451
- Titolo
- Qdrant (Paperback)
- Autore
- Alex Penrose
- Editore
- Independently Published
- Anno di pubblicazione
- 2026
- Condizione
- new
- Rilegatura
- Paperback
- Lingua
- inglese
- ISBN 13
- 9798194216451
Build accurate, scalable semantic search systems that go far beyond basic nearest neighbor retrieval.
Modern AI applications need more than a place to store embeddings. They need hybrid retrieval, metadata filtering, reranking, access control, efficient indexing, measurable relevance, reliable ingestion, and production infrastructure that can scale with real workloads.
This practical guide takes you from vector search fundamentals through sophisticated retrieval pipelines and production operations, showing how Qdrant fits into RAG, enterprise search, recommendation systems, agent memory, multimodal applications, and other semantic AI workloads.
What you will learn:
- Design collections with dense sparse named and multivector representations
- Generate and store embeddings with FastEmbed and multiple inference workflows
- Build precise payload filters nested conditions indexes facets and access controls
- Use the unified Query API for similarity search recommendations discovery grouping sampling and multi stage retrieval
- Implement native BM25 sparse retrieval full text search and tenant aware lexical relevance
- Combine dense and sparse candidates with RRF weighted RRF and distribution based score fusion
- Build reranking pipelines with ColBERT cross encoders MUVERA and Matryoshka representations
- Apply Formula Queries for freshness popularity geography and business aware ranking
- Measure Recall Precision MRR NDCG ANN accuracy latency and retrieval quality
- Build production RAG with chunking source grouping metadata and permission filters
- Create product search enterprise search recommendations agent memory multimodal search and code search systems
- Tune HNSW filtered ANN ACORN memory tiers and optimizer behavior for demanding workloads
- Reduce memory and storage costs with scalar binary product TurboQuant and Turbo4 compression
- Manage bulk ingestion retries incremental embedding updates model migrations and data lifecycles
- Scale with shards replicas consistency controls custom sharding tiered multitenancy and capacity planning
- Deploy and operate secure systems with Docker Kubernetes Helm managed cloud hybrid cloud private cloud monitoring backups and disaster recovery
You will also see how advanced retrieval components fit together, including candidate prefetch, global fusion across shards, late interaction reranking, business aware scoring, tenant isolation, read write contention, quantized rescoring, snapshots, migrations, and embedded edge retrieval.
Hands on Python code, API examples, Shell commands, and configuration samples connect the concepts to implementation so you can apply them to real semantic search and AI retrieval projects.
Grab your copy today and build retrieval systems designed for relevance, scale, and production use.
"Riassunto" può appartenere a un’altra edizione di questo titolo.
CitiRetail
Stevenage, Regno Unito
Venditore AbeBooks dal 29 giugno 2022
Tariffe di spedizione da Regno Unito a U.S.A.
| Articolo | Da 7 a 14 giorni lavorativi | Da 7 a 60 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 43,72 | EUR 43,72 |
Metodi di pagamento
Descrizione dello Store
Online business
Informazioni sull’azienda del venditore
ABC BOOKS LIMITED
10 John Street
London, Regno Unito WC1N 2EB
Condizioni di vendita
Orders can be returned within 30 days of receipt.
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a CitiRetail, Stevenage, United Kingdom, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Please note that titles are dispatched from our US, Canadian or Australian warehouses. Delivery times specified in shipping terms. Orders ship within 2 business days. Delivery to your door then takes 7-14 days.