Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
Introduction
- Qu'est-ce que les bases de données vectorielles ?
- Bases de données vectorielles vs bases de données traditionnelles
- Aperçu des plongements vectoriels
Génération de plongements vectoriels
- Techniques pour créer des plongements à partir de divers types de données
- Outils et bibliothèques pour la génération de plongements
- Bonnes pratiques pour la qualité des plongements et la dimensionnalité
Indexation et récupération dans les bases de données vectorielles
- Stratégies d'indexation pour les bases de données vectorielles
- Création et optimisation des index pour la performance
- Algorithmes de recherche de similarité et leurs applications
Bases de données vectorielles en apprentissage automatique (ML)
- Intégration des bases de données vectorielles avec les modèles ML
- Dépannage des problèmes courants lors de l'intégration des bases de données vectorielles avec les modèles ML
- Cas d'utilisation : systèmes de recommandation, recherche d'images, TALN
- Études de cas : implémentations réussies des bases de données vectorielles
Évolutivité et performance
- Défis de l'évolutivité des bases de données vectorielles
- Techniques pour les bases de données vectorielles distribuées
- Métriques de performance et surveillance
Travail de projet et études de cas
- Projet pratique : mise en œuvre d'une solution de base de données vectorielle
- Revue des recherches et applications de pointe
- Présentations de groupe et feedback
Résumé et prochaines étapes
Pré requis
- Connaissances de base des bases de données et des structures de données
- Familiarité avec les concepts d'apprentissage automatique
- Expérience avec un langage de programmation (préféablement Python)
Public cible
- Data scientists
- Ingénieurs en apprentissage automatique
- Développeurs logiciels
- Administrateurs de bases de données
