Prenez contact avec nous

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

 14 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (2)

Cours à venir

Catégories Similaires