Prenez contact avec nous

Plan du cours

Introduction

  • Qu'est-ce qu'une base de données vectorielle ?
  • Bases de données vectorielles vs bases de données traditionnelles
  • Aperçu des vecteurs d'embedding

Génération de vecteurs d'embedding

  • Techniques pour créer des embeddings à partir de divers types de données
  • Outils et bibliothèques pour la génération d'embeddings
  • Bonnes pratiques pour la qualité et la dimensionnalité des embeddings

Indexation et récupération dans les bases de données vectorielles

  • Stratégies d'indexation pour les bases de données vectorielles
  • Construction et optimisation des index pour la performance
  • Algorithmes de recherche de similarité et leurs applications

Bases de données vectorielles dans l'apprentissage automatique (ML)

  • Intégration des bases de données vectorielles avec des modèles d'apprentissage automatique
  • Résolution des problèmes courants lors de l'intégration des bases de données vectorielles avec des modèles d'apprentissage automatique
  • Cas d'utilisation : systèmes de recommandation, récupération d'images, traitement du langage naturel (NLP)
  • Études de cas : mises en œuvre réussies de bases de données vectorielles

Évolutivité et performance

  • Défis de l'évolutivité des bases de données vectorielles
  • Techniques pour les bases de données vectorielles distribuées
  • Métriques de performance et surveillance

Travail de projet et études de cas

  • Projet pratique : Mise en œuvre d'une solution de base de données vectorielle
  • Revue de la recherche de pointe et des applications
  • Présentations de groupe et commentaires

Résumé et prochaines étapes

Pré requis

  • Connaissances de base en bases de données et en structures de données.
  • Familiarité avec les concepts de l'apprentissage automatique.
  • Expérience avec un langage de programmation (de préférence Python).

Audience

  • Scientifiques des données.
  • Ingénieurs en apprentissage automatique.
  • Développeurs de logiciels.
  • Administrateurs de bases de données.
 14 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires