Prenez contact avec nous

Plan du cours

Introduction à l'IA dans Postgres

  • Vue d'ensemble des systèmes d'IA et de pilotage par les données
  • Cas d'utilisation de l'IA dans les environnements Postgres
  • Considérations architecturales pour les charges de travail d'IA

Configuration de l'environnement

  • Installation de PostgreSQL et configuration de pgvector
  • Mise en place de Python pour les intégrations IA
  • Connexion de Postgres aux LLM locaux et basés sur le cloud

Extensions d'IA et bases de données vectorielles

  • Comprendre les embeddings vectoriels dans Postgres
  • Utiliser pgvector pour la recherche de similarité et les requêtes sémantiques
  • Évaluation comparative des extensions d'IA par rapport aux entrepôts vectoriels externes

Intégration des LLM avec Postgres

  • Connexion de Postgres à OpenAI, Deepseek, Qwen et Mistral Small
  • Conception de pipelines de requêtes IA
  • Stockage et récupération efficaces des embeddings

Construction de systèmes de requêtes intelligents

  • Conversion du langage naturel en SQL à l'aide de LLM
  • Automatisation de la génération et de l'optimisation des requêtes
  • Recherche dans la base de données et résumé assistés par IA

Optimisation de Postgres pour les charges de travail d'IA

  • Stratégies d'indexation pour les embeddings
  • Réglage des performances et mise en cache pour les requêtes d'IA
  • Mise à l'échelle de Postgres avec des architectures distribuées et cloud

Sécurité et gouvernance dans les bases de données activées par l'IA

  • Considérations relatives à la confidentialité des données et à la conformité
  • Gestion des clés API et du contrôle d'accès
  • Audit des interactions IA et des journaux de requêtes

Études de cas et cas d'utilisation en entreprise

  • Systèmes de recommandation alimentés par l'IA avec Postgres
  • Recherche et analyses d'entreprise avec embeddings
  • Automatisation et modélisation prédictive au sein de Postgres

Résumé et prochaines étapes

Pré requis

  • Une compréhension du SQL et des concepts des bases de données relationnelles
  • Une expérience en administration ou en développement avec Postgres
  • Une familiarité de base avec les principes de l'IA et de l'apprentissage automatique

Audience

  • Les administrateurs de bases de données qui souhaitent intégrer l'IA dans Postgres
  • Les ingénieurs de données qui créent des pipelines de bases de données alimentés par l'IA
  • Les développeurs et architectes qui conçoivent des applications intelligentes basées sur les données
 21 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires