Zkuste nás kontaktovat

Návrh Školení

Úvod do:

  • vectors
  • AI vector embeddings
  • popular AI embedding models
  • semantic search
  • distance measures

Přehled technik pro vektorové indexování:

  • IVFFlat index
  • HNSW index

Rozšíření PgVector pro PostgreSQL:

  • instalace
  • uchovávání a dotazování na vysokorozměrné vektory
  • vzdálenostní měření
  • používání vektorových indexů

Rozšíření PgAI pro PostgreSQL:

  • instalace
  • generování vložení
  • implementace Retrieval-Augmented Generation
  • pokročilé vzory vývoje

Přehled řešení Text-to-SQL: framework LangChain

Výsledky kurzu: Na konci kurzu budou studenti schopni:

  • navrhovat a budovat prvky aplikací podporovaných umělou inteligencí pomocí rozšíření PostgreSQL.
  • nabýt praktické zkušenosti s technikami integrace velkých jazykových modelů (LLM) a vektorového vyhledávání do reálných systémů, což jim umožní vytvářet aplikace jako semantické vyhledávače, AI asistenty nebo rozhraní pro databáze přirozeným jazykem.

Požadavky

základní znalost SQL, základní zkušenost s PostgreSQL, základní znalost jazyků Python nebo JavaScript

Cílová skupina: vývojáři databází, systémoví architekti

 14 Hodiny

Počet účastníků


Cena za účastníka

Reference (2)

Nadcházející kurzy

Související kategorie