Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Varaktighet 14 timmar
Kursplan
Introduktion
- Vad är vector databaser?
- Vector databaser vs traditionella databaser
- Översikt över vektorinbäddningar (embeddings)
Generering av Vektorembäddningar
- Tekniker för att skapa inbäddningar från olika datatyper
- Verktyg och bibliotek för generering av inbäddningar
- Bästa praxis för inbäddningskvalitet och dimensionalitet
Indexering och Hämtning i Vector Databaser
- Indexstrategier för vector databaser
- Bygga och optimera index för prestanda
- Likhetsökningsalgoritmer och deras tillämpningar
Vector Databaser i Maskininlärning (ML)
- Integrering av vector databaser med ML-modeller
- Felsökning av vanliga problem vid integration av vector databaser med ML-modeller
- Användningsfall: rekommendationssystem, bildhämtning, NLP (natur-språsbearbetning)
- Fallstudier: framgångsrika implementeringar av vector databaser
Skalbarhet och Prestanda
- Utmaningar vid skalning av vector databaser
- Tekniker för distribuerade vector databaser
- Prestandametrar och övervakning
Projektarbete och Fallstudier
- Praktiskt projekt: Implementering av en vector databaslösning
- Granskning av framgångande forskning och tillämpningar
- Grupppresentationer och feedback
Sammanfattning och Nästa Steg
Krav
- Grundläggande kunskap om databaser och datastrukturer
- Bekantskap med maskininlärningskoncept
- Erfarenhet av ett programmeringsspråk (förtrödligt Python)
Målgrupp
- Data-scientister
- Maskininlärningsingenjörer
- Programutvecklare
- Databasadministratörer
