Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Durata 21 ore
Struttura del corso
Introduzione all'IA in Postgres
- Panoramica su IA e sistemi basati sui dati
- Casi d'uso dell'IA negli ambienti Postgres
- Considerazioni architetturali per i carichi di lavoro AI
Configurazione dell'ambiente
- Installazione di PostgreSQL e configurazione di pgvector
- Configurazione di Python per le integrazioni AI
- Collegamento di Postgres a LLM locali e cloud-based
Estensioni AI e database vettoriali
- Comprendere gli embedding vettoriali in Postgres
- Utilizzo di pgvector per la ricerca di similarità e query semantiche
- Confronto delle estensioni AI con gli store vettoriali esterni
Integrazione di LLM con Postgres
- Collegamento di Postgres con OpenAI, Deepseek, Qwen e Mistral Small
- Progettazione di pipeline di query AI
- Memorizzazione e recupero efficiente degli embedding
Costruzione di sistemi di query intelligenti
- Conversione da linguaggio naturale a SQL tramite LLM
- Automazione della generazione e ottimizzazione delle query
- Ricerca e sintesi assistite dall'IA nei database
Ottimizzazione di Postgres per i carichi di lavoro AI
- Strategie di indicizzazione per gli embedding
- Regolazione delle prestazioni e caching per le query AI
- Scaling di Postgres con architetture distribuite e cloud
Sicurezza e governance nei database abilitati all'IA
- Considerazioni sulla privacy dei dati e sulla conformità
- Gestione delle API key e del controllo degli accessi
- Auditing delle interazioni AI e dei registri delle query
Studi di caso e applicazioni enterprise
- Sistemi di raccomandazione basati sull'IA con Postgres
- Ricerca e analisi enterprise con gli embedding
- Automazione e modellazione predittiva all'interno di Postgres
Riepilogo e prossimi passi
Requisiti
- Conoscenza di SQL e dei concetti dei database relazionali
- Esperienza nella gestione o nello sviluppo di Postgres
- Familiarità di base con i principi dell'IA e del machine learning
Pubblico di riferimento
- Amministratori di database che desiderano integrare l'IA in Postgres
- Ingegneri dei dati che costruiscono pipeline di database basati sull'IA
- Sviluppatori e architetti che progettano applicazioni intelligenti basate sui dati
