Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan du cours
Introduction
- Qu'est-ce qu'une base de données vectorielle ?
- Bases de données vectorielles et bases de données traditionnelles
- Vue d'ensemble des encastrements vectoriels
Générer des embeddings vectoriels
- Techniques pour créer des embeddings à partir de différents types de données
- Outils et bibliothèques pour la génération d'embeddings
- Meilleures pratiques pour la qualité et la dimensionnalité de l'intégration
Indexation et recherche dans les Databases vectoriels
- Stratégies d'indexation pour les bases de données vectorielles
- Construction et optimisation des indices pour la performance
- Algorithmes de recherche par similarité et leurs applications
Les Databases vectoriels dans Machine Learning (ML)
- Intégration des bases de données vectorielles aux modèles de ML
- Résolution des problèmes courants lors de l'intégration de bases de données vectorielles avec des modèles de ML
- Cas d'utilisation : systèmes de recommandation, recherche d'images, NLP
- Études de cas : implémentations réussies de bases de données vectorielles
Scalabilité et performance
- Défis liés à la mise à l'échelle des bases de données vectorielles
- Techniques pour les bases de données vectorielles distribuées
- Mesures de performance et surveillance
Travaux de projet et études de cas
- Projet pratique : Mise en œuvre d'une solution de base de données vectorielle
- Examen de la recherche et des applications de pointe
- Présentations de groupe et retour d'information
Résumé et prochaines étapes
Pré requis
- Connaissance de base des bases de données et des structures de données
- Familiarité avec les concepts d'apprentissage automatique
- Expérience d'un langage de programmation (de préférence Python)
Public
- Scientifiques des données
- Ingénieurs en apprentissage automatique
- Développeurs de logiciels
- Administrateurs Database
14 heures