Plan du cours

Introduction à l'IA dans Postgres

  • Aperçu de l'IA et des systèmes alimentés par les données
  • Cas d'utilisation de l'IA au sein des environnements Postgres
  • Considérations architecturales pour les charges de travail d'IA

Configuration de l'environnement

  • Installation de PostgreSQL et configuration de pgvector
  • Configuration de Python pour les intégrations d'IA
  • Connexion de Postgres aux LLMs locaux et basés sur le cloud

Extensions d'IA et bases de données vectorielles

  • Comprendre les plongements vectoriels dans Postgres
  • Utiliser pgvector pour la recherche par similarité et les requêtes sémantiques
  • Comparaison des extensions d'IA avec les magasins vectoriels externes

Intégration de LLMs avec Postgres

  • Connexion de Postgres à OpenAI, Deepseek, Qwen et Mistral Small
  • Conception de pipelines de requêtes d'IA
  • Stockage et récupération efficaces des plongements (embeddings)

Construction de systèmes de requêtes intelligents

  • Conversion du langage naturel en SQL à l'aide de LLMs
  • Automatisation de la génération et de l'optimisation des requêtes
  • Recherche assistée par IA et résumés de base de données

Optimisation de Postgres pour les charges de travail d'IA

  • Stratégies d'indexation pour les plongements (embeddings)
  • Tuning des performances et mise en cache pour les requêtes d'IA
  • Évolutivité de Postgres avec des architectures distribuées et basées sur le cloud

Sécurité et gouvernance dans les bases de données alimentées par l'IA

  • Considérations en matière de confidentialité des données et de conformité
  • Gestion des clés API et contrôle d'accès
  • Audit des interactions avec l'IA et des journaux de requêtes

Études de cas et utilisations d'entreprise

  • Systèmes de recommandation alimentés par l'IA avec Postgres
  • Recherche et analyse d'entreprise avec des plongements (embeddings)
  • Automatisation et modélisation prédictive au sein de Postgres

Résumé et étapes suivantes

Pré requis

  • Une compréhension des concepts de SQL et des bases de données relationnelles
  • Expérience avec l'administration ou le développement Postgres
  • Connaissance de base des principes d'IA et d'apprentissage automatique

Public cible

  • Administrateurs de bases de données souhaitant intégrer l'IA dans Postgres
  • Ingénieurs de données construisant des pipelines de base de données alimentés par l'IA
  • Développeurs et architectes concevant des applications intelligentes axées sur les données
 21 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires