Struttura del corso
Introduzione a:
- vettori
- embedding vettoriali AI
- modelli di embedding AI diffusi
- ricerca semantica
- misure di distanza
Panoramica sulle tecniche di indicizzazione vettoriale:
- indice IVFFlat
- indice HNSW
Estensione PgVector per PostgreSQL:
- installazione
- archiviazione e interrogazione di vettori ad alta dimensionalità
- misure di distanza
- utilizzo di indici vettoriali
Risultato del corso: Al termine del corso, gli studenti avranno una comprensione delle estensioni PostgreSQL basate su AI più diffuse. Acquisiranno esperienza pratica con le tecniche per l'integrazione di grandi modelli linguistici (LLM) e della ricerca vettoriale nelle applicazioni reali.
Requisiti
conoscenza di base di SQL, esperienza di base con PostgreSQL
Ambiente di laboratorio: DaDesktops in esecuzione di macchine virtuali Linux (fornito da NobleProg)
Pubblico target: sviluppatori di applicazioni per database, architetti di sistema, analisti di dati
Recensioni (2)
Strategie di ottimizzazione.
Jeffrey Zieg - Matrix Consulting
Corso - PostgreSQL Performance Tuning
Traduzione automatica
Comportamento dei log quando l'istanza è sotto stress e la gerarchia/nomenclatura delle istanze, database, file, ecc.
Daniel Inwood - Sinara Consultants LTD
Corso - PostgreSQL Advanced DBA
Traduzione automatica