Vídeos
Aproveite as incorporações vetoriais junto com os dados operacionais para criar experiências de pesquisa semântica escaláveis integradas ao MongoDB Atlas.- Mais recente
- Mais bem avaliado
Vídeo
recuperação de documentos principais com MongoDB e LangChain para aplicativos RAG mais inteligentes | Guia de código ativo
Versão escrita → https://mdb.link/v5V3W-NNSQw-written Inscrever-se para obter um cluster gratuito → https://mdb.link/v5V3W-NNSQw-try Assine o MongoDB no YouTube→ https://mdb.link/subscribe . . . . Problemas com tamanhos de chunk em aplicativos RAG? Saiba como a recuperação de documentos principais do MongoDB equilibra precisão e contexto - nenhum título de mestre é necessário! Participe deste detalhamento para: Resolver ochunking paradox“” com pequenas incorporações + grande recuperação de contexto40 } Atlas Vector Search . Repositório GRÁTIS do Github incluído - roube o código dos chatbots do Docs, da pesquisa legal ou do suporte ao cliente ! docs: 00:00 - O que é a recuperação de documentos principais? (Spoiler: é uma mudança de jogo): : - Configuração do02 35 MongoDB + LangChain:10 06 25 1504 20estratégias12 de chunking e dicas 25 de metadados: - Processamento assíncrono: ingestão do K Docs sem travar o sistema: - Índices de pesquisa vetorial : Otimizar para velocidade e precisão: - Demonstração do agente de IA: responda a perguntas complexas com expansão de contexto:56 - Dicas de profissionais: evitetool loops“” em agentes e acesse nosso roteiro de IA generativa MongoDB.com → https://www.mongodb.com Leia o MongoDB Blog → https://www.mongodb.com/blog Confira a Central de desenvolvedores do MongoDB → https://www.mongodb.com/developer
Mar 27, 2025
Vídeo
Como construir um agente de IA com Semantic Kernel, MongoDB Atlas, C# e OpenAI
Se você preferir seguir um tutorial por escrito, ele pode ser encontrado aqui: https://mdb.link/lvQ-EC5afIA-tutorial Trechos de código: https://gist.github.com/LuceCarter/2EFD3ae606da16aed1916ace5EF88595 Assine o MongoDB no YouTube→ https://mdb.link/subscribe Você já teve a impressão de escrever um agente de IA com o semântica Kernel? Junte-se à consultora do programador Luce Carrter neste tutorial para criar um agente de alimentação para ajudá-lo a decidir se você pode preparar suas comidas esta noite ou deve apenas ir a um restaurante! Assista a Introdução ao Microsoft Semantic Kernel com MongoDB Atlas em C# → https://youtu.be/qXswaD4IGUU?si=FacxfJK8PBYmtt3y Curso do Microsoft Aprenda: https://learn.microsoft.com/en-gb/training/paths/develop-ai-agents-azure-open-ai-semantic-kernel-sdk/%7C Documentação do índice do Vector Search : https://mdb.link/lvQ-EC5AFIA-doc Visite MongoDB.com → https://www.mongodb.com Leia o MongoDB Blog → https://www.mongodb.com/blog Confira a Central de desenvolvedores do MongoDB → https://www.mongodb.com/developerMar 19, 2025
Vídeo
MongoDB versus PostgreSQL para volumes de trabalho de IA: velocidade, escalabilidade e desenvolvedores expostos!
Confira nosso repositório de montra de IA generativa : https://github.com/mongodb-developer/GenAI-showcase Qual banco de dados você está usando para IA? Comente abaixo! ó Quer saber qual banco de dados controla os volumes de trabalho de IA? Colocamos o MongoDB contra o PostgreSQL (com o PG Vector) em um teste de desempenho frente a frente para pesquisa vetorial, velocidade de ingestão e recuperação em tempo real. Descubra por que os desenvolvedores estão mudando para a escalabilidade da IA! .100 ✅ Por que o MongoDB se destaca: Desempenho pronto para uso para dados JSON, sobrecarga de serialização zero e escalabilidade contínua. ✅ Mergulho detalhado do PostgreSQL PG Vector: desafios de configuração e quando ele ainda pode funcionar. ✅ Produtividade do desenvolvedor: evite “Postgres Regress” e concentre-se na criação de recursos de IA com mais rapidez. }4 2. . . . . O Postgres requer ajuste (parâmetros HNSW, serialização JSONB) para volumes de trabalho de IA. Por que a latência é importante para RAG, IA de conversa e aplicativos em tempo real no 2024. 0000 0215 1000540 12:30 vs PG 18 Vector:50 - 25 00 Latência de recuperação:30 por que os milissegundos são importantes para a IA: - Taxa de transferência: queries/segundo sob carga: - Experiência do desenvolvedor: vantagem do JSON do MongoDB:45 - Quando escolher o Postgres? Linguagens sinceras } Inscrever-se para obter mais informações sobre a tecnologia de IA → https://mdb.link/subscribe Visite MongoDB.com → https://www.mongodb.com Leia o MongoDB Blog → https://www.mongodb.com/blog Confira a Central de desenvolvedores do MongoDB → https://www.mongodb.com/developerMar 06, 2025
Vídeo
Construindo um aplicativo de pesquisa semântica com MongoDB e Quarkus usando a Vector Search
✅ Experimente o MongoDB 8.0 → https://mdb.link/91SzYGDmFoI ✅ Inscrever-se para obter um cluster gratuito → https://mdb.link/91SzYGDmFoI-try ✅ Link do artigo → https://mdb.link/91SzYGDmFoI-read - Descubra como aproveitar o poder do recurso de pesquisa vetorial do MongoDB para criar um aplicação de pesquisa semântica usando a estrutura Quartokus. Neste tutorial abrangente, guiaremos você passo a passo da compreensão dos fundamentos da pesquisa vetorial até a implementação de um aplicação Java funcional. Saiba como usar a IA da Gemini para incorporações vetoriais, criar queries otimizadas e configurar seu cluster MongoDB Atlas para integração perfeita. Se você é novo na pesquisa vetorial ou está procurando aprimorar seus aplicativos de IA generativa , este vídeo fornece todas as ferramentas necessárias para começar. - . Recursos: } Incorporações vetoriais: https://mdb.link/91SzYGDmFoI-models } IA da Gêmeos: https://ai.google.dev/api?lang=python https://ai.google.dev/gemini-api/docs/api-key Valores de similaridade: . . . . . . . . . . . . . . . . ..Jan 21, 2025
Vídeo
Transformando o setor de seguros com o MongoDB: insights sobre IA e modernização de dados
✅ Experimente o MongoDB 8.0 → https://mdb.link/oqBsHREc9PM-8.0 ✅ Inscrever-se para um cluster gratuito → https://mdb.link/oqBsHREc9PM-try - Neste capítulo, nos reunimos com especialistas do setor para discutir como o MongoDB está redefinindo o setor de seguros por meio da modernização de dados e da integração de IA. Descubra como o modelo de documento do MongoDB simplifica o processamento de dados, aumenta a produtividade do programador e reduz o Atlas no desenvolvimento de aplicação . Saiba mais sobre os importantes progressos na pesquisa vetorial e no tratamento de dados não estruturados que devem transformar a experiência do cliente em seguros. Se você é do setor ou está apenas curingo sobre o futuro do gerenciamento de dados, este capítulo está carregado de insights valiosos e aplicações práticas.Dec 23, 2024
Vídeo
O que o Aperol Sprits tem a ver com o MongoDB?
Vamos encontrar o dsprit Aperol mais próximo de você com as queries geoespaciais do MongoDB e o Atlas Vector Search.Dec 12, 2024
Vídeo
Insights sobre Vector Search e Quantização para Programadores e AI Entusiastas de IA
✅ Experimente o MongoDB 8.0 → https://mdb.link/Nu70pFr88Cc-8.0 ✅ Inscrever-se em um cluster gratuito → https://mdb.link/Nu70pFr88Cc-try - Neste capítulo do Podcast do MongoDB , mergulhamos profundamente nos incríveis progressos da tecnologia de pesquisa vetorial. Junte-se a nós para discutir o recente lançamento de recursos de quantização e como eles podem reduzir significativamente os custos e, ao mesmo tempo, melhorar o desempenho. Descubra as implicações para desenvolvedores e clientes e saiba mais sobre o futuro da AI integração de IA no MongoDB. Quer você seja um desenvolvedor habilidoso ou esteja apenas começando, este capítulo está Repleto de Insights valiosos para ajudá-lo a aproveitar os benefícios da pesquisa vetorial em seus aplicativos.Dec 02, 2024
Vídeo
Planejador de partes de queda do operador Joe com Playwright, LlamaIndex e MongoDB Atlas Vector Search
✅ Integração de MongoDB Atlas Vector Search - https://mdb.link/H4NkAvksbR8-int ✅ Fóruns de desenvolvedores - https://mdb.link/H4NkAvksbR8-forums - Neste tutorial, criamos um planejador de festividades de IA do operador comercial AI usando o Playwright para raspar nossos favoritos do queda e a integração LlamaIndex/ Atlas Vector Search para construir um chatbot para responder a perguntas sobre nossos itens! - ✅ Documentação do Playwright - https://playwright.dev/ ✅ AI Mongodb-developer/GenAI-showcase/blob/main/README.mdNov 12, 2024
Vídeo
O que é o Vector Search e como funcionam os bancos de dados vetoriais?
Um banco de banco de dados vetorial é um tipo de solução de armazenamento de dados que gerencia e pesquisa grandes quantidades de dados numéricos de alta dimensão (também conhecidos como dados vetorizados). Saiba mais sobre pesquisa vetorial no Centro do Desenvolvedor: https://mdb.link/guide-ragNov 07, 2024
Vídeo
Desbloqueando o poder do Vector Search: transformando dados em insights
✅ Experimente o MongoDB 8.0 → https://mdb.link/MsbuUTw0ciI ✅ Inscrever-se em um cluster gratuito → https://mdb.link/MsbuUTw0ciI -register ✅ Assine o MongoDB no YouTube→ https://mdb.link/subscribe - Junte-se a nós para uma conversa envolvente sobre o potencial transformativo da pesquisa vetorial no gerenciamento de dados! Neste vídeo, mergulhamos nos recursos inovadores do Superlinked, uma plataforma que simplifica a integração do aprendizado de máquina em vários aplicativos. Descubra: A importância da pesquisa vetorial na utilização eficaz de dados não estruturados. Aplicações práticas em campos como e-commerce e crédito. Como a colaboração entre o Superlinked e o MongoDB aprimora a consulta de dados e as recomendações personalizadas. Estratégias para gerenciar dados complexos sem a necessidade de uma ampla experiência em aprendizado de máquina. Exploraremos o futuro da infraestrutura de machine learning e como você pode aproveitá-la em seus projetos.Nov 04, 2024