Prenez contact avec nous

Plan du cours

Introduction à :

  • les vecteurs
  • les embeddings vectoriels en IA
  • les modèles populaires d'embedding IA
  • la recherche sémantique
  • les mesures de distance

Aperçu des techniques d'indexation vectorielle :

  • l'index IVFFlat
  • l'index HNSW

L'extension PgVector pour PostgreSQL :

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

L'extension PgAI pour PostgreSQL :

  • installation
  • génération d'embeeddings
  • implémentation de la Génération Augmentée par Récupération (RAG)
  • patrons de développement avancés

Aperçu des solutions Text-to-SQL : cadre LangChain

Résultats du cours : À la fin de ce cours, les participants seront capables de :

  • concevoir et construire des composants d'applications de bases de données alimentées par l'IA en utilisant des extensions et bibliothèques PostgreSQL.
  • acquérir une expérience pratique avec les techniques d'intégration de modèles de langage larges (LLM) et de 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 bases de données en langage naturel.

Pré requis

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

Audience 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