Details zu Vektor-Datenbanken

In diesem Video vertiefe ich das Thema Vektor-Datenbanken und zeige, wie semantische Suche mit Embeddings technisch umgesetzt wird. Schritt für Schritt demonstriere ich die Instanziierung eines Embedding-Modells, erkläre, wie Embeddings berechnet und in einer Datenbank gespeichert werden, und führe eine semantische Suche in einer Filmdatenbank durch im Jupyter-Notebook vor. Anschließend gehe ich auf zentrale Herausforderungen der Vektor-Suche ein und stelle gängige Verfahren wie Skip-Listen und HNSW-Graphs vor.

Die im Video gezeigten Folien sind unter folgendem Link verfügbar: https://www.drumm.sh/vector-databases...
Die gezeigten Jupyter Notebooks hier: https://codeberg.org/ceedee666/vector...

📝 Inhalte im Überblick:
00:00 - Start
00:13 - Einleitung
01:13 - Instanziierung des Embedding-Modells
01:46 - Funktion zum Berechnen und Speichern der Embeddings in der Datenbank
03:28 - Semantische Suche in der Filmdatenbank
06:02 - Herausforderungen bei der Verktor-Suche
06:22 - k-Nearest-Neigbor-Search
08:41 - Skip-Listen
10:12 - Demo Skip-Listen im Jupyter-Notebook
14:34 - Hierarchical Navigable Small World Graphs

📥 Zusätzliche Materialien:
Folien: https://www.drumm.sh/vector-databases...
DuckDB: https://duckdb.org/
The Movies Dataset: https://www.kaggle.com/datasets/rouna...
Jupyter Notebooks: https://codeberg.org/ceedee666/vector...
IMDb: https://www.imdb.com/
B-Tree (Wikipedia): https://de.wikipedia.org/wiki/B-Baum
O-Notation (Wikipedia): https://de.wikipedia.org/wiki/Landau-...
Skip-Listen (Wikipedia): https://de.wikipedia.org/wiki/Liste_(...
HNSW-Graphs: https://en.wikipedia.org/wiki/Hierarc...

Zum Einstieg empfohlen:
Video zur Vorbereitung der Filmdatenbank:    • Filmdatenbank in DuckDB vorbereiten  
Video zur Einführung in Vektor-Datenbanken:    • Einführung in Vektor-Datenbanken