Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione
- Cosa sono i database vettoriali?
- Confronto tra database vettoriali e database tradizionali
- Panoramica degli incorporamenti vettoriali
Generazione di incorporamenti vettoriali
- Tecniche per la creazione di incorporamenti da vari tipi di dati
- Strumenti e librerie per la generazione di embedding
- Best practice per l'integrazione di qualità e dimensionalità
Indicizzazione e recupero in vettori Databases
- Strategie di indicizzazione per database vettoriali
- Creazione e ottimizzazione di indici per la performance
- Algoritmi di ricerca per similarità e loro applicazioni
Vettore Databases in Machine Learning (ML)
- Integrazione di database vettoriali con modelli ML
- Risoluzione dei problemi comuni durante l'integrazione di database vettoriali con modelli di Machine Learning
- Casi d'uso: sistemi di raccomandazione, recupero di immagini, PNL
- Casi di studio: implementazioni di successo di database vettoriali
ScalaAbilità e prestazioni
- Sfide nella scalabilità dei database vettoriali
- Tecniche per database vettoriali distribuiti
- Metriche e monitoraggio delle prestazioni
Project Work e Casi di Studio
- Progetto pratico: Implementazione di una soluzione di database vettoriale
- Rassegna di ricerche e applicazioni all'avanguardia
- Presentazioni di gruppo e feedback
Riepilogo e prossime tappe
Requisiti
- Conoscenza di base delle basi di dati e delle strutture dati
- Familiarità con i concetti di machine learning
- Esperienza con un linguaggio di programmazione (preferibilmente Python)
Pubblico
- Scienziati dei dati
- Ingegneri dell'apprendimento automatico
- Sviluppatori di software
- Database Amministratori
14 ore