Struttura del corso
Introduzione a:
- i vettori
- gli embedding vettoriali nell’ambito dell’AI
- i principali modelli di generazione di embedding AI
- la ricerca semantica
- le misure di distanza tra vettori
Panoramica sulle tecniche di indicizzazione dei vettori:
- indice IVFFlat
- indice HNSW
L’estensione PgVector per PostgreSQL:
- installazione
- memorizzazione e interrogazione di vettori ad alta dimensionalità
- misure di distanza tra vettori
- utilizzo degli indici vettoriali
L’estensione PgAI per PostgreSQL:
- installazione
- generazione di embedding
- implementazione della Generazione Aumentata tramite Recupero
- modelli avanzati di sviluppo software
Introduzione alle soluzioni Text-to-SQL: il framework LangChain
Risultati del corso: Al termine del percorso formativo, gli studenti saranno in grado di:
- progettare e realizzare componenti di applicazioni basate su AI impiegando estensioni e librerie PostgreSQL.
- acquisire esperienza pratica nell’integrazione dei modelli linguistici di grandi dimensioni (LLM) e della ricerca vettoriale nei sistemi reali, abilitando la creazione di motori di ricerca semantici, assistenti intelligenti e interfacce database basate su linguaggio naturale.
Requisiti
Conoscenze di base di SQL, esperienza pregressa con PostgreSQL, familiarità con i linguaggi di programmazione Python o JavaScript
Destinatari: sviluppatori database, architetti di sistemi
Recensioni (2)
Strategie di ottimizzazione.
Jeffrey Zieg - Matrix Consulting
Corso - PostgreSQL Performance Tuning
Traduzione automatica
Comportamento dei log quando l'istanza è sotto stress e la gerarchia/nomenclatura delle istanze, database, file, ecc.
Daniel Inwood - Sinara Consultants LTD
Corso - PostgreSQL Advanced DBA
Traduzione automatica