AI för Postgres Träningskurs

Introduktion till AI i Postgres

• Översikt över AI och datadrivna system
• AI-användningsfall inom Postgres-miljöer
• Arkitekturöverväganden för AI-arbetsbelastningar

Upplägget av miljön

• Installation av PostgreSQL och konfiguration av pgvector
• Upplägget av Python för AI-integrationer
• Koppling av Postgres till lokala och molnbaserade LLM:er

AI-utökningar och vektordatabaser

• Förståelse för vektor-embedding i Postgres
• Användning av pgvector för likhetssökning och semantiska frågor
• Benchmarkning av AI-utökningar jämfört med externa vektorspår

Integrering av LLM:er med Postgres

• Koppling av Postgres med OpenAI, Deepseek, Qwen och Mistral Small
• Design av AI-frågepipelines
• Effektiv lagring och hämtning av embedding

Bygga intelligenta frågesystem

• Naturligt språk till SQL med hjälp av LLM:er
• Automatisering av frågegenerering och optimering
• AI-assisterad databassökning och sammanfattning

Optimering av Postgres för AI-arbetsbelastningar

• Indexeringsstrategier för embedding
• Prestandatuning och cachning för AI-frågor
• Skalning av Postgres med distribuerade och molnbaserade arkitekturer

Säkerhet och styrning i AI-aktiverade databaser

• Överväganden kring dataskydd och efterlevnad
• Hantering av API-nycklar och åtkomstkontroll
• Audit av AI-interaktioner och frågeloggar

Kasusstudier och företagsanvändningsfall

• AI-drivna rekommendationssystem med Postgres
• Företagssökning och analys med embedding
• Automatisering och prediktiv modellering inom Postgres

Sammanfattning och nästa steg