Plan du cours
Introduction à :
- vecteurs
- intégrations vectorielles d'IA
- modèles populaires d'intégration IA
- recherche sémantique
- mesures de distance
Aperçu des techniques d'indexation vectorielle :
- index IVFFlat
- index HNSW
Extension PgVector pour PostgreSQL :
- installation
- stockage et interrogation de vecteurs à haute dimensionnalité
- mesures de distance
- utilisation des index vectoriels
Extension PgAI pour PostgreSQL :
- installation
- génération d'intégrations
- mise en œuvre de la Génération Augmentée par Récupération
- modèles de développement avancés
Aperçu des solutions Text-to-SQL : framework LangChain
Résultat du cours : À la fin du cours, les apprenants seront capables de :
- concevoir et construire des éléments d'applications de bases de données alimentées par l'IA en utilisant des extensions et bibliothèques PostgreSQL.
- acquérir une expérience pratique avec des techniques d'intégration de modèles de langage larges (LLM) et de recherche vectorielle dans des systèmes réels, leur permettant de développer des applications telles que des moteurs de recherche sémantiques, des assistants IA et des interfaces de bases de données en langage naturel.
Pré requis
connaissances de base en SQL, expérience pratique avec PostgreSQL, connaissances de base en programmation Python ou JavaScript
Audience: développeurs de bases de données, architectes systèmes
Nos clients témoignent (2)
Stratégies de réglage.
Jeffrey Zieg - Matrix Consulting
Formation - PostgreSQL Performance Tuning
Traduction automatique
Comportement de journalisation lorsque l'instance est sous charge élevée, ainsi que la hiérarchie et la nomenclature des instances, bases de données, fichiers, etc.
Daniel Inwood - Sinara Consultants LTD
Formation - PostgreSQL Advanced DBA
Traduction automatique