Struttura del corso

Introduzione a Vector Databases

  • Informazioni sui database vettoriali
  • Caratteristiche e vantaggi principali di Milvus
  • Confronto con i database tradizionali

Impostazione di Milvus

  • Installazione e configurazione
  • Informazioni sui componenti e sull'architettura di Milvus
  • Creazione di insiemi e partizioni

Indicizzazione dei dati e Management

  • Strategie di indicizzazione in Milvus
  • Gestione e ottimizzazione dei dati vettoriali
  • Procedure consigliate per l'inserimento dei dati

Somiglianza Search e recupero

  • Fondamenti della ricerca per somiglianza
  • Implementazione delle operazioni di ricerca in Milvus
  • Casi d'uso: recupero di immagini e video, PNL

Milvus in Machine Learning (ML)

  • Integrazione di Milvus con i modelli ML
  • Sistemi di raccomandazione per l'edilizia
  • Casi di studio: rilevamento delle anomalie, chatbot

ScalaAbilità e prestazioni

  • Scalabilità di Milvus per set di dati di grandi dimensioni
  • Ottimizzazione e ottimizzazione delle prestazioni
  • Monitoraggio e manutenzione

Implementazione di Milvus nell'IA

  • Sviluppo di una soluzione di database vettoriale
  • Revisione e feedback

Riepilogo e prossime tappe

Requisiti

  • Conoscenza di base delle basi di dati
  • Conoscenza introduttiva dei concetti di IA e machine learning
  • Familiarità con i concetti di programmazione, preferibilmente in Python

Pubblico

  • Scienziati dei dati
  • Sviluppatori di software
  • Appassionati di machine learning
 21 ore

Numero di Partecipanti



Prezzo per Partecipante

Corsi relativi

Categorie relative