Plan du cours
Introduction à :
- les vecteurs
- les embeddings vectoriels en IA
- les modèles d'embedding populaires en 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 requêtage de vecteurs de haute dimension
- mesures de distance
- utilisation des index vectoriels
Résultats attendus du cours : À la fin du cours, les étudiants comprendront les extensions PostgreSQL populaires alimentées par l'IA. Ils acquerront une expérience pratique des techniques d'intégration des grands modèles de langage (LLM) et de la recherche vectorielle dans des applications réelles.
Pré requis
connaissances de base en SQL, expérience de base avec PostgreSQL
Environnement de laboratoire : postes de travail (Desktops) exécutant des machines virtuelles Linux (fournis par NobleProg)
Public cible : développeurs d'applications de bases de données, architectes systèmes, analystes de données
Nos clients témoignent (3)
connaissances en matière de performance
Adrian Ionut Chelaru - Banca Transilvania Cluj
Formation - PostgreSQL Advanced - Performance Management
Traduction automatique
Indexation des tables et QQ reperforming & tuning afin de les améliorer
Roberto Esposito
Formation - PostgreSQL AI for Developers
Traduction automatique
Un premier contact réussi avec une nouvelle technologie de bases de données
Cont Florian - Banca Transilvania Cluj
Formation - PostgreSQL Server Administration
Traduction automatique