面向初学者的向量数据库入门课程——嵌入技术、相似性搜索以及ChromaDB的使用方法

向量数据库将数据存储为被称为“嵌入向量的数字列表”，这种存储方式使得它能够根据数据的含义进行搜索，而无需精确匹配关键词。许多推荐系统、RAG应用程序以及AI代理的背后都离不开这一技术。

我们刚刚在freeCodeCamp.org的YouTube频道上发布了一门全面的课程，该课程将教你了解向量数据库的工作原理，内容从数学基础讲起，最终会让你完成一个实际的语义搜索项目。这门课程由codeEdx提供，其讲师拥有15年的软件工程经验，其中最近四年还担任过首席AI工程师。学习这门课程不需要任何先验知识。

在这门课程中，你将学到以下内容：

• 向量与相似性计算
  了解什么是向量，以及余弦相似度和欧几里得距离是如何用来衡量两组数据之间相似程度的。
• 标记符与分词机制
  理解为什么AI模型无法直接处理原始文本，以及分词工具是如何将“indivisible”这样的单词分解成多个标记符的。
• 嵌入向量与嵌入模型
  领会文本是如何被转化为能够捕捉其含义的向量的，其中会通过“国王减去男人加上女人等于女王”这个经典例子进行讲解。
• 使用Gemini生成嵌入向量
  观看使用谷歌Gemini嵌入模型的现场演示，然后通过主成分分析将结果以3D形式可视化。
• 向量数据库的内部结构
  探索向量数据库的存储机制、索引系统以及查询处理流程，了解IVF和HNSW索引是如何避免繁琐的暴力搜索操作的。
• 使用ChromaDB进行语义搜索
  创建Chroma客户端和数据集合，存储嵌入向量，并运行能够基于文本含义返回结果的查询。

你可以在freeCodeCamp.org的YouTube频道上观看这门完整的课程（时长为1.5小时）。