Prenez contact avec nous

Plan du cours

Introduction à l'IA dans Postgres

  • Aperçu des systèmes d'IA et des systèmes axés sur les données
  • Cas d'usage de l'IA au sein des environnements Postgres
  • Considérations architecturales pour les charges de travail de l'IA

Mise en place de l'environnement

  • Installation de PostgreSQL et configuration de pgvector
  • Configuration de Python pour les intégrations IA
  • Connexion de Postgres aux LLM locaux et basés sur le cloud

Extensions IA et bases de données vectorielles

  • Compréhension des embeddings vectoriels dans Postgres
  • Utilisation de pgvector pour la recherche par similarité et les requêtes sémantiques
  • Benchmark des extensions IA par rapport aux entrepôts vectoriels externes

Intégration des LLM avec Postgres

  • Connexion de Postgres à OpenAI, Deepseek, Qwen et Mistral Small
  • Conception de pipelines de requêtes IA
  • Stockage et récupération efficaces des embeddings

Construction de systèmes de requêtes intelligents

  • Conversion du langage naturel en SQL à l'aide de LLM
  • Automatisation de la génération et de l'optimisation des requêtes
  • Recherche et résumé de base de données assistés par l'IA

Optimisation de Postgres pour les charges de travail IA

  • Stratégies d'indexation pour les embeddings
  • Réglage des performances et mise en cache pour les requêtes IA
  • Mise à l'échelle de Postgres avec des architectures distribuées et cloud

Sécurité et gouvernance dans les bases de données activées par l'IA

  • Considérations relatives à la confidentialité des données et à la conformité
  • Gestion des clés API et du contrôle d'accès
  • Vérification des interactions IA et des journaux de requêtes

Études de cas et cas d'usage entreprise

  • Systèmes de recommandation alimentés par l'IA avec Postgres
  • Recherche et analyse enterprise avec des embeddings
  • Automatisation et modélisation prédictive au sein de Postgres

Résumé et prochaines étapes

Pré requis

  • Une compréhension du SQL et des concepts des bases de données relationnelles
  • Une expérience avec l'administration ou le développement de Postgres
  • Une familiarité de base avec les principes de l'IA et de l'apprentissage automatique

Audience cible

  • Les administrateurs de bases de données qui souhaitent intégrer l'IA dans Postgres
  • Les ingénieurs de données construisant des pipelines de bases de données alimentés par l'IA
  • Les développeurs et architectes concevant des applications intelligentes pilotées par les données
 21 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires