Plan du cours

Introduction aux bases de données vectorielles (248)

  • Comprendre les bases de données vectorielles
  • Caractéristiques et avantages de Milvus
  • Comparaison avec les bases de données traditionnelles

Configuration de Milvus

  • Installation et configuration
  • Comprendre les composants et l'architecture de Milvus
  • Création de collections et de partitions

Indexation des données et (432)

  • Stratégies d'indexation dans Milvus
  • Gestion et optimisation des données vectorielles
  • Meilleures pratiques pour l'ingestion de données

Recherche de similarité et récupération

  • Fondements de la recherche de similarité
  • Mise en œuvre des opérations de recherche dans Milvus
  • Cas d'utilisation : récupération d'images et de vidéos, NLP

Milvus dans (199) (IA)

  • Intégration de Milvus avec les modèles IA
  • Construction de systèmes de recommandation
  • Etudes de cas : détection d'anomalies, chatbots

Évolutivité et performance

  • Échelonnement de Milvus pour grands ensembles de données
  • Réglage et optimisation des performances
  • Surveillance et maintenance

Implémentation de Milvus dans l'IA

  • Développement d'une solution de base de données vectorielle
  • Révision et feedback

Conclusion et prochaines étapes

Pré requis

  • Compréhension de base des bases de données
  • Connaissance de base des concepts d'IA et d'apprentissage automatique
  • Familiarité avec les concepts de programmation, préférablement en Python

Public cible

  • Scientifiques des données
  • Développeurs logiciels
  • Passionnés d'apprentissage automatique
 21 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires