Kom i kontakt

Kursplan

Introduktion till:

  • vektorer
  • AI-vektorinbäddningar
  • populära AI-inbäddningsmodeller
  • semantisk sökning
  • avståndsmått

Översikt över vektorindexeringstekniker:

  • IVFFlat-index
  • HNSW-index

PgVector-utökning för PostgreSQL:

  • installation
  • lagring och fråging av högdimensionella vektorer
  • avståndsmått
  • användning av vektorindex

PgAI-utökning för PostgreSQL:

  • installation
  • generering av inbäddningar
  • implementering av Retrieval-Augmented Generation
  • avancerade utvecklingsmönster

Översikt över Text-to-SQL-lösningar: LangChain-ramverket

Kursresultat: I slutet av kursen kommer studenterna att kunna:

  • designa och bygga delar av AI-drivna databastillämpningar med hjälp av PostgreSQL-utökningar och bibliotek.
  • få praktisk erfarenhet av tekniker för att integrera stora språkmodeller (LLM) och vektorsökning i verkliga system, vilket gör att de kan utveckla tillämpningar som semantiska sökmotorer, AI-assistenter och naturligspråkliga databasgränssnitt.

Krav

grundläggande kunskaper i SQL, grundläggande erfarenhet av PostgreSQL, grundläggande kunskaper i programmeringsspråken Python eller JavaScript

Målgrupp: databasutvecklare, systemarkitekter

 14 Timmar

Antal deltagare


Pris per deltagare

Vittnesmål (2)

Kommande Kurser

Relaterade Kategorier