План на курса
Въведение във: вектори, ИИ векторни вложения, популярни ИИ модели за вграждане, семановно търсене, мерки за разстояние
Общ преглед на техниките за индексиране на вектори: IVFFlat index, HNSW index
PgVector разширение за PostgreSQL: инсталация, съхранение и заявване на високомерни вектори, мерки за разстояние, използване на векторни индекси
PgAI разширение за PostgreSQL: инсталация, генериране на вложения, внедряване на Генериране с подобрено възстановяване, усъвършенствани патрони за развитие
Общ преглед на решенията Text-to-SQL: фреймуърк LangChain
Резултат от курса: В края на курса студентите ще могат да проектират и строят елементи на приложения за бази данни, поддържани от ИИ, използвайки разширения и библиотеки за PostgreSQL. Те ще придобият практически опит с техники за интегриране на големи езикови модели (LLM) и векторно търсене в реални системи, което им позволява да развият приложения като семанови търсачки, ИИ асистенти и естественоезикови интерфейси за бази данни.
Изисквания
базови знания по SQL, базов опит с PostgreSQL, базови знания по програмиране с Python или JavaScript
Аудитория: разработчици на бази данни, системни архитекти
Отзиви от потребители (2)
Предоставените примери и лабораторни
Christophe OSTER - EU Lisa
Курс - PostgreSQL Advanced DBA
Машинен превод
1. Изключително структурирана програма за обучение 2. Топлата атмосфера, която инструкторът създаде, както и неговото отлично личностно професионализъм 3. Че инструкторът обясняваше всичко, сякаш говореше на напълно новачък, без да използва технически термини.
Piotr Romer - Asseco Poland S.A
Курс - PostgreSQL Administration, Optimization and Replication
Машинен превод