Prenez contact avec nous

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

 14 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (2)

Cours à venir

Catégories Similaires