Vector Databases: Embeddings to RAG (Pocket Guide) (Edition1) (Paperback)
Lingua: inglese
Editore: BPB Publications, New Delhi, 2026
- Brossura
- Nuovo
Da: CitiRetail, Stevenage, Regno UnitoCitiRetail
Venditore AbeBooks dal 29 giugno 2022
Condizione: Nuovo
EUR 43,35
Quantità: 1 disponibile
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
Paperback. 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 FORThis 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. 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 9789378545689
- Titolo
- Vector Databases: Embeddings to RAG (Pocket Guide) (Edition1) (Paperback)
- Autore
- Rajdeep Dua
- Editore
- BPB Publications, New Delhi
- Anno di pubblicazione
- 2026
- Condizione
- new
- Rilegatura
- Paperback
- Lingua
- inglese
- ISBN 10
- 9378545688
- ISBN 13
- 9789378545689
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
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
"Descrizione articolo" 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 43,88 | EUR 43,88 |
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.