<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Векторный Поиск on Digitable courses</title>
    <link>https://courses.digitable.life/tags/%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D1%8B%D0%B9-%D0%BF%D0%BE%D0%B8%D1%81%D0%BA/</link>
    <description>Recent content in Векторный Поиск on Digitable courses</description>
    <generator>Hugo</generator>
    <language>ru-RU</language>
    <lastBuildDate>Sat, 01 Aug 2026 00:12:59 +0300</lastBuildDate>
    <atom:link href="https://courses.digitable.life/tags/%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BD%D1%8B%D0%B9-%D0%BF%D0%BE%D0%B8%D1%81%D0%BA/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Векторные базы: pgvector, Qdrant, Milvus, Weaviate, HNSW и метрики близости</title>
      <link>https://courses.digitable.life/post/databases/15-vector-databases/</link>
      <pubDate>Thu, 16 Jul 2026 10:00:00 +0300</pubDate>
      <guid>https://courses.digitable.life/post/databases/15-vector-databases/</guid>
      <description>Приближённый поиск ближайших соседей от первых принципов: метрики близости и почему они эквивалентны, устройство HNSW и IVF, квантование и рескоринг, честное сравнение pgvector, Qdrant, Milvus и Weaviate, проблема фильтрации, замеры recall и реальная стоимость на 10 миллионах векторов.</description>
    </item>
    <item>
      <title>Эмбеддинги и обучение представлений</title>
      <link>https://courses.digitable.life/post/neural-networks/09-embeddings-and-representation/</link>
      <pubDate>Thu, 16 Jul 2026 10:00:00 +0300</pubDate>
      <guid>https://courses.digitable.life/post/neural-networks/09-embeddings-and-representation/</guid>
      <description>Как сеть превращает объекты в векторы, на каких задачах учатся хорошие представления (word2vec, контрастное обучение, CLIP, self-supervised), как их измерять и как эксплуатировать в проде — от two-tower до HNSW-индексов.</description>
    </item>
  </channel>
</rss>
