Plan du cours
Introduction à :
- vecteurs
- embeddings vectoriels d'IA
- modèles populaires d'incorporation d'IA
- recherche sémantique
- métriques de distance
Aperçu des techniques d'indexation vectorielle :
- index IVFFlat
- index HNSW
Extension PgVector pour PostgreSQL :
- installation
- stockage et interrogation de vecteurs de haute dimension
- métriques de distance
- utilisation des index vectoriels
Extension PgAI pour PostgreSQL :
- installation
- génération d'embeddings
- mise en œuvre de la Génération Augmentée par Récupération (RAG)
- modèles de développement avancés
Aperçu des solutions Texte-vers-SQL : le framework LangChain
Résultat du cours : À la fin du cours, les étudiants seront capables de :
- concevoir et construire des éléments d'applications de bases de données alimentées par l'IA en utilisant des extensions et bibliothèques PostgreSQL.
- acquérir une expérience pratique avec des techniques permettant d'intégrer des grands modèles de langage (LLM) et la recherche vectorielle dans des systèmes réels, leur permettant de développer des applications telles que des moteurs de recherche sémantiques, des assistants IA et des interfaces de base de données en langage naturel.
Pré requis
connaissances de base en SQL, expérience pratique de base avec PostgreSQL, connaissances de base des langages de programmation Python ou JavaScript
Audience cible : développeurs de bases de données, architectes système
Nos clients témoignent (2)
Les exemples fournis et les laboratoires
Christophe OSTER - EU Lisa
Formation - PostgreSQL Advanced DBA
Traduction automatique
1. Un programme de formation très bien structuré 2. L'atmosphère chaleureuse que le formateur a créée, ainsi que son excellente professionnalisme personnel 3. Que le formateur expliquait tout comme s'il parlait à un débutant total, sans tomber dans le jargon technique.
Piotr Romer - Asseco Poland S.A
Formation - PostgreSQL Administration, Optimization and Replication
Traduction automatique