Plan du cours
Introduction aux sujets suivants :
- vecteurs
- embeddings vectoriels IA
- modèles populaires d’embedding IA
- recherche sémantique
- mesures de distance
Aperçu des techniques d’indexation vectorielle :
- Index IVFFlat
- Index HNSW
L’extension PgVector pour PostgreSQL :
- installation
- stockage et requêtage de vecteurs haute dimension
- mesures de distance
- utilisation des index vectoriels
L’extension PgAI pour PostgreSQL :
- installation
- génération d’embeddings
- implémentation de la Génération augmentée par récupération (RAG)
- schémas de développement avancés
Aperçu des solutions Text-to-SQL : le framework LangChain
Résultat du cours : À la fin de ce cours, les participants seront capables de :
- concevoir et intégrer des composants d’applications de bases de données alimentées par l’IA à l’aide des extensions et bibliothèques PostgreSQL.
- acquérir une expérience pratique avec les techniques permettant d’intégrer des grands modèles de langage (LLM) et la recherche vectorielle dans des systèmes réels, leur permettant ainsi de développer des applications telles que des moteurs de recherche sémantique, des assistants IA et des interfaces de bases de données en langage naturel.
Pré requis
Connaissances de base en SQL et expérience préalable avec PostgreSQL. Connaissances fondamentales de Python ou JavaScript.
Public cible : développeurs de bases de données, architectes systèmes
Nos clients témoignent (2)
Stratégies de réglage.
Jeffrey Zieg - Matrix Consulting
Formation - PostgreSQL Performance Tuning
Traduction automatique
Comportement de journalisation lorsque l'instance est sous charge élevée, ainsi que la hiérarchie et la nomenclature des instances, bases de données, fichiers, etc.
Daniel Inwood - Sinara Consultants LTD
Formation - PostgreSQL Advanced DBA
Traduction automatique