Свържете се с нас

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

 14 Часове

Брой участници


Цена за участник

Отзиви от потребители (2)

Предстоящи Курсове

Свързани Kатегории