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
Recensioni (2)
Gli esempi forniti e i laboratori
Christophe OSTER - EU Lisa
Corso - PostgreSQL Advanced DBA
Traduzione automatica
1. Un programma di formazione strutturato molto bene 2. L'atmosfera calda che l'istruttore ha creato, insieme alla sua eccellente professionalità personale 3. Il fatto che l'istruttore abbia spiegato tutto come se stesse parlando a un principiante assoluto, senza cadere in alcun gergo tecnico.
Piotr Romer - Asseco Poland S.A
Corso - PostgreSQL Administration, Optimization and Replication
Traduzione automatica