- Tapa blanda
- Nuevo
Librería: CitiRetail, Stevenage, Reino UnidoCitiRetail
Vendedor de IberLibro desde 29 de junio de 2022
Condición: Nuevo
EUR 38,91
Cantidad disponible: 1 disponible
Añadir al carritoDescripción del artículo del vendedor
Paperback. Build accurate, scalable semantic search systems that go far beyond basic nearest neighbor retrieval.Modern AI applications need more than a place to store embeddings. They need hybrid retrieval, metadata filtering, reranking, access control, efficient indexing, measurable relevance, reliable ingestion, and production infrastructure that can scale with real workloads.This practical guide takes you from vector search fundamentals through sophisticated retrieval pipelines and production operations, showing how Qdrant fits into RAG, enterprise search, recommendation systems, agent memory, multimodal applications, and other semantic AI workloads.What you will learn: Design collections with dense sparse named and multivector representationsGenerate and store embeddings with FastEmbed and multiple inference workflowsBuild precise payload filters nested conditions indexes facets and access controlsUse the unified Query API for similarity search recommendations discovery grouping sampling and multi stage retrievalImplement native BM25 sparse retrieval full text search and tenant aware lexical relevanceCombine dense and sparse candidates with RRF weighted RRF and distribution based score fusionBuild reranking pipelines with ColBERT cross encoders MUVERA and Matryoshka representationsApply Formula Queries for freshness popularity geography and business aware rankingMeasure Recall Precision MRR NDCG ANN accuracy latency and retrieval qualityBuild production RAG with chunking source grouping metadata and permission filtersCreate product search enterprise search recommendations agent memory multimodal search and code search systemsTune HNSW filtered ANN ACORN memory tiers and optimizer behavior for demanding workloadsReduce memory and storage costs with scalar binary product TurboQuant and Turbo4 compressionManage bulk ingestion retries incremental embedding updates model migrations and data lifecyclesScale with shards replicas consistency controls custom sharding tiered multitenancy and capacity planningDeploy and operate secure systems with Docker Kubernetes Helm managed cloud hybrid cloud private cloud monitoring backups and disaster recoveryYou will also see how advanced retrieval components fit together, including candidate prefetch, global fusion across shards, late interaction reranking, business aware scoring, tenant isolation, read write contention, quantized rescoring, snapshots, migrations, and embedded edge retrieval.Hands on Python code, API examples, Shell commands, and configuration samples connect the concepts to implementation so you can apply them to real semantic search and AI retrieval projects.Grab your copy today and build retrieval systems designed for relevance, scale, and production use. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.…
N° de ref. del artículo 9798194216451
- Título
- Qdrant (Paperback)
- Autor
- Alex Penrose
- Editorial
- Independently Published
- Año de publicación
- 2026
- Estado
- new
- Encuadernación
- Paperback
- Idioma
- inglés
- ISBN 13
- 9798194216451
Build accurate, scalable semantic search systems that go far beyond basic nearest neighbor retrieval.
Modern AI applications need more than a place to store embeddings. They need hybrid retrieval, metadata filtering, reranking, access control, efficient indexing, measurable relevance, reliable ingestion, and production infrastructure that can scale with real workloads.
This practical guide takes you from vector search fundamentals through sophisticated retrieval pipelines and production operations, showing how Qdrant fits into RAG, enterprise search, recommendation systems, agent memory, multimodal applications, and other semantic AI workloads.
What you will learn:
- Design collections with dense sparse named and multivector representations
- Generate and store embeddings with FastEmbed and multiple inference workflows
- Build precise payload filters nested conditions indexes facets and access controls
- Use the unified Query API for similarity search recommendations discovery grouping sampling and multi stage retrieval
- Implement native BM25 sparse retrieval full text search and tenant aware lexical relevance
- Combine dense and sparse candidates with RRF weighted RRF and distribution based score fusion
- Build reranking pipelines with ColBERT cross encoders MUVERA and Matryoshka representations
- Apply Formula Queries for freshness popularity geography and business aware ranking
- Measure Recall Precision MRR NDCG ANN accuracy latency and retrieval quality
- Build production RAG with chunking source grouping metadata and permission filters
- Create product search enterprise search recommendations agent memory multimodal search and code search systems
- Tune HNSW filtered ANN ACORN memory tiers and optimizer behavior for demanding workloads
- Reduce memory and storage costs with scalar binary product TurboQuant and Turbo4 compression
- Manage bulk ingestion retries incremental embedding updates model migrations and data lifecycles
- Scale with shards replicas consistency controls custom sharding tiered multitenancy and capacity planning
- Deploy and operate secure systems with Docker Kubernetes Helm managed cloud hybrid cloud private cloud monitoring backups and disaster recovery
You will also see how advanced retrieval components fit together, including candidate prefetch, global fusion across shards, late interaction reranking, business aware scoring, tenant isolation, read write contention, quantized rescoring, snapshots, migrations, and embedded edge retrieval.
Hands on Python code, API examples, Shell commands, and configuration samples connect the concepts to implementation so you can apply them to real semantic search and AI retrieval projects.
Grab your copy today and build retrieval systems designed for relevance, scale, and production use.
“Sinopsis” puede pertenecer a otra edición de este título.
CitiRetail
Stevenage, Reino Unido
Vendedor de IberLibro desde 29 de junio de 2022
Tarifas de envío de Reino Unido a Estados Unidos de America
| Artículo | De 7 a 14 días hábiles | De 7 a 60 días hábiles |
|---|---|---|
| Primer artículo | EUR 44,40 | EUR 44,40 |
Métodos de pago
Descripción de la tienda
Online business
Información empresarial del vendedor
ABC BOOKS LIMITED
10 John Street
London, Reino Unido WC1N 2EB
Condiciones de venta
Orders can be returned within 30 days of receipt.
Derecho al desistimiento
Si es un consumidor, puede rescindir el contrato de acuerdo con lo siguiente. Por consumidor se entiende cualquier persona física que actúe con fines ajenos a su actividad comercial, empresarial, oficio o profesión.
Información sobre el derecho de desistimiento
Derecho legal de desistimiento
Tiene derecho a rescindir este contrato en un plazo de 14 días sin dar ningún motivo.
El periodo de desistimiento vencerá a los 14 días desde que usted, o un tercero que no sea el transportista e indicado por usted, adquiera la posesión física del último bien o del último lote o pieza.
Para ejercer el derecho de desistimiento, complete de forma electrónica y envíe una declaración clara en nuestro sitio web, desde "Mis compras" en "Mi cuenta". Le enviaremos sin demora un acuse de recibo de dicho desistimiento a través de un soporte duradero (por ejemplo, por correo electrónico).
Para cumplir con el plazo de desistimiento, basta con que envíe su comunicación relativa al ejercicio del derecho de desistimiento antes de que venza el periodo de desistimiento.
Efectos del desistimiento
Si rescinde este contrato, le reembolsaremos todos los pagos que hayamos recibido de usted, incluidos los gastos de envío (excepto los gastos adicionales que surjan si elige un tipo de envío que no sea el tipo de envío estándar más económico que ofrecemos).
Podemos hacer una deducción del reembolso por la pérdida de valor de cualquier bien suministrado, si la pérdida es el resultado de una manipulación innecesaria por su parte.
Efectuaremos el reembolso sin demoras indebidas y, a más tardar, 14 días después de que se nos informe de su decisión de rescindir este contrato.
Efectuaremos el reembolso utilizando el mismo medio de pago que utilizó para la transacción inicial, a menos que haya acordado expresamente lo contrario; en cualquier caso, no incurrirá en ningún cargo como resultado de dicho reembolso.
Podremos retener el reembolso hasta que hayamos recibido los bienes o hasta que nos haya presentado una prueba de que los ha devuelto, lo que ocurra primero.
Deberá devolver los bienes o entregarlos a CitiRetail, Stevenage, United Kingdom, sin demoras indebidas y, en cualquier caso, en un plazo máximo de 14 días a partir del día en que nos comunique su desistimiento del presente contrato. El plazo se cumple si devuelve la mercancía antes de que venza el periodo de 14 días. Tendrá que asumir los gastos directos de devolución de los bienes. Usted solo es responsable de la disminución del valor de los bienes como resultado de una manipulación distinta a la necesaria para establecer la naturaleza, las características y el funcionamiento de los bienes.
Excepciones al derecho de desistimiento
El derecho de desistimiento no se aplica a lo siguiente:
- La entrega de periódicos, diarios o revistas, con la excepción de los contratos de suscripción; y
- El suministro de contenido digital que no se proporcione en un soporte tangible (por ejemplo, en un CD o DVD) si, al hacer el pedido, aceptó que podíamos empezar a entregarlo y que no podría desistir una vez iniciada la entrega.
Condiciones de envío
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.