Contattataci

Struttura del corso

Introduzione a:

  • vettori
  • embedding vettoriali per l'IA
  • modelli di embedding IA diffusi
  • ricerca semantica
  • metriche di distanza

Nozioni generali sulle tecniche di indicizzazione vettoriale:

  • Indice IVFFlat
  • Indice HNSW

Extension PgVector per PostgreSQL:

  • installazione
  • memorizzazione e interrogazione di vettori ad alta dimensionalità
  • metriche di distanza
  • utilizzo degli indici vettoriali

Extension PgAI per PostgreSQL:

  • installazione
  • generazione di embedding
  • implementazione della Generazione Aumentata dal Recupero (RAG)
  • pattern di sviluppo avanzati

Nozioni generali sulle soluzioni Text-to-SQL: framework LangChain

Esito del corso: Al termine del corso, gli studenti saranno in grado di:

  • progettare e sviluppare componenti di applicazioni database abilitate all'IA utilizzando estensioni e librerie PostgreSQL.
  • acquisire esperienza pratica con le tecniche per integrare modelli linguistici di grandi dimensioni (LLM) e la ricerca vettoriale in sistemi reali, consentendo loro di sviluppare applicazioni come motori di ricerca semantici, assistenti IA e interfacce database basate sul linguaggio naturale.

Requisiti

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

Pubblico destinatario: sviluppatori di database, architetti di sistemi

 14 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (2)

Corsi in Arrivo

Categorie relative