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
Nos clients témoignent (2)
Stratégies de réglage.
Jeffrey Zieg - Matrix Consulting
Formation - PostgreSQL Performance Tuning
Traduction automatique
Comportement de journalisation lorsque l'instance est sous charge élevée, ainsi que la hiérarchie et la nomenclature des instances, bases de données, fichiers, etc.
Daniel Inwood - Sinara Consultants LTD
Formation - PostgreSQL Advanced DBA
Traduction automatique