Corso di formazione Padronaggio delle basi di dati vettoriali per soluzioni AI scalabili

Introduzione

• Cos’è una base di dati vettoriale?
• Basi di dati vettoriali vs basi di dati tradizionali
• Panoramica sulle rappresentazioni vettoriali dei dati

Generazione delle rappresentazioni vettoriali

• Tecniche per creare tali rappresentazioni a partire da diversi tipi di dati
• Strumenti e librerie utili alla generazione delle rappresentazioni vettoriali
• Buone pratiche per garantire qualità e dimensione ottimale delle rappresentazioni vettoriali

Indicizzazione e recupero nelle basi di dati vettoriali

• Strategie di indicizzazione applicabili alle basi di dati vettoriale
• Costruzione e ottimizzazione degli indici per massimizzare le prestazioni
• Algoritmi per la ricerca di similarità e loro utilizzo pratico

Le basi di dati vettoriali nel machine learning (ML)

• Integrazione delle basi di dati vettoriali nei modelli di ML
• Risoluzione dei problemi più comuni nell’integrazione tra queste basi e i modelli di ML
• Applicazioni tipiche: sistemi di raccomandazione, recupero di immagini, elaborazione del linguaggio naturale
• Studi di caso: esempi concreti di implementazioni riuscite con basi di dati vettoriale

Scalabilità e prestazioni

• Le principali sfide legate alla scalabilità delle basi di dati vettoriali
• Tecniche utilizzabili per implementare basi di dati vettoriali distribuite
• Parametri chiave e strumenti di monitoraggio delle prestazioni

Lavoro pratico e studi di caso

• Progetto hands-on: implementazione di una soluzione basata su una base di dati vettoriale
• Analisi delle ricerche più recenti e delle loro applicazioni pratiche
• Presentazioni di gruppo seguite da feedback specifici

Conclusioni e prossimi passi