Plan du cours

Introduction aux bases de données vectorielles

  • Comprendre les bases de données vectorielles
  • Principales caractéristiques et avantages de Milvus
  • Comparaison avec les bases de données traditionnelles

Configuration de Milvus

  • Installation et configuration
  • Comprendre les composants et l'architecture de Milvus
  • Création de collections et partitions

Indexation et gestion des données

  • Stratégies d'indexation dans Milvus
  • Gestion et optimisation des données vectorielles
  • Meilleures pratiques pour l'ingestion de données

Recherche et récupération de similarité

  • Fondements de la recherche de similarité
  • Mise en œuvre des opérations de recherche dans Milvus
  • Cas d'utilisation : récupération d'images et vidéos, NLP

Milvus en apprentissage automatique (ML)

  • Intégration de Milvus avec les modèles ML
  • Création de systèmes de recommandation
  • Études de cas : détection d'anomalies, chatbots

Évolutivité et performance

  • Mise à l'échelle de Milvus pour des ensembles de données volumineux
  • Optimisation et réglage des performances
  • Surveillance et maintenance

Mise en œuvre de Milvus en IA

  • Développement d'une solution de base de données vectorielle
  • Examen et feedback

Synthèse et étapes suivantes

Pré requis

  • Compréhension de base des bases de données
  • Connaissances introductives des concepts d'IA et d'apprentissage automatique
  • Familiarité avec les concepts de programmation, préférablement en Python

Public visé

  • Scientifiques des données
  • Développeurs logiciels
  • Enthusiastes de l'apprentissage automatique
 21 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires