Plan du cours
Introduction à :
- les vecteurs
- les vecteurs d'encodage (embeddings) issus de l'IA
- les modèles populaires d'encodage par IA
- la recherche sémantique
- les mesures de distance
Aperçu des techniques d'indexation vectorielle :
- index IVFFlat
- index HNSW
Extension PgVector pour PostgreSQL :
- installation
- stockage et interrogation de vecteurs de grande dimension
- mesures de distance
- utilisation des index vectoriels
Extension PgAI pour PostgreSQL :
- installation
- génération d'encodages
- mise en œuvre de la Génération Aumentée par Récupération (RAG)
- schémas de développement avancés
Aperçu des solutions Texte-en-SQL : le framework LangChain
Résultat attendu du cours : À l'issue de ce module, les apprenants seront en mesure de :
- concevoir et intégrer des composants d'applications de base de données propulsées par l'IA à l'aide d'extensions et de bibliothèques PostgreSQL.
- acquérir une expérience pratique avec les techniques d'intégration des modèles de langage larges (LLM) et de la recherche vectorielle dans des systèmes réels, ce qui leur permettra de développer des applications telles que des moteurs de recherche sémantiques, des assistants IA et des interfaces de base de données en langage naturel.
Pré requis
Connaissances de base en SQL, expérience initiale avec PostgreSQL, connaissances élémentaires en programmation Python ou JavaScript
Public visé : développeurs de bases de données, architectes systèmes
Nos clients témoignent (2)
Les exemples fournis et les laboratoires
Christophe OSTER - EU Lisa
Formation - PostgreSQL Advanced DBA
Traduction automatique
1. Un programme de formation très bien structuré 2. L'atmosphère chaleureuse que le formateur a créée, ainsi que son excellente professionnalisme personnel 3. Que le formateur expliquait tout comme s'il parlait à un débutant total, sans tomber dans le jargon technique.
Piotr Romer - Asseco Poland S.A
Formation - PostgreSQL Administration, Optimization and Replication
Traduction automatique