Prenez contact avec nous

Plan du cours

Introduction à :

  • les vecteurs
  • les intégrations vectorielles (embeddings) en IA
  • les modèles populaires d'intégration vectorielle
  • la recherche sémantique
  • les mesures de distance

Aperçu des techniques d'indexation vectorielle :

  • index IVFFlat
  • index HNSW

Extension PgVector pour PostgreSQL :

  • installation
  • stockage et interrogation de vecteurs de grande dimension
  • mesures de distance
  • utilisation des index vectoriels

Extension PgAI pour PostgreSQL :

  • installation
  • génération d'intégrations (embeddings)
  • mise en œuvre de la Génération Amplifiée par Récupération (RAG)
  • modèles de développement avancés

Aperçu des solutions Texte-SQL : framework LangChain

Résultats attendus du cours : à l'issue de celui-ci, les apprenants seront capables de :

  • concevoir et réaliser des composants d'applications de bases de données alimentées par l'IA en utilisant les extensions et bibliothèques PostgreSQL.
  • acquérir une expérience pratique avec les techniques d'intégration des grands modèles de langage (LLM) et de la recherche vectorielle dans des systèmes réels, ce qui leur permettra de développer des applications telles que des moteurs de recherche sémantique, des assistants IA et des interfaces de bases de données en langage naturel.

Pré requis

connaissances de base en SQL, expérience de base avec PostgreSQL, connaissances de base des langages de programmation Python ou JavaScript

Public cible : développeurs de bases de données, architectes systèmes

 14 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (2)

Cours à venir

Catégories Similaires