Contattataci

Struttura del corso

Introduzione a: vettori, embedding vettoriali per l'intelligenza artificiale, modelli di embedding AI più diffusi, ricerca semantica, misure di distanza

Panoramica delle tecniche di indicizzazione vettoriale: indice IVFFlat, indice HNSW

Estensione PgVector per PostgreSQL: installazione, memorizzazione e interrogazione di vettori ad alta dimensionalità, misure di distanza, utilizzo degli indici vettoriali

Estensione PgAI per PostgreSQL: installazione, generazione di embedding, implementazione della Generazione Arricchita dalle Recuperi, modelli di sviluppo avanzati

Panoramica delle soluzioni Text-to-SQL: framework LangChain

Risultati del corso: al termine del corso, gli studenti saranno in grado di progettare e costruire elementi di applicazioni di database potenziate dall'intelligenza artificiale utilizzando estensioni e librerie PostgreSQL. Acquisiranno esperienza pratica con tecniche per integrare modelli linguistici di grandi dimensioni (LLM) e la ricerca vettoriale in sistemi reali, permettendo loro di sviluppare applicazioni come motori di ricerca semantica, assistenti AI e interfacce di database a linguaggio naturale.

Requisiti

conoscenze di base su SQL, esperienza pratica di base con PostgreSQL, conoscenze di base sui linguaggi di programmazione Python o JavaScript

Pubblico: sviluppatori di database, architetti di sistema

 14 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (2)

Corsi in Arrivo

Categorie relative