Schița de curs

Introducere

  • Ce sunt bazele de date vectoriale?
  • Baze de date vectoriale vs baze de date tradiționale
  • Prezentare generală a embeding-urilor vectoriale

Generarea Embeding-urilor Vectoriale

  • Tehnici de creare a embeding-urilor din diferite tipuri de date
  • Unelte și biblioteci pentru generarea embeding-urilor
  • Cele mai bune practici pentru calitatea și dimensionalitatea embeding-urilor

Indexare și Recuperare în Vector Databases

  • Strategii de indexare pentru baze de date vectoriale
  • Construirea și optimizarea indexelor pentru performanță
  • Algoritmi de căutare similaritate și aplicările lor

Vector Databases în Machine Learning (ML)

  • Integrarea bazei de date vectoriale cu modele ML
  • Depanare a problemelor comune la integrarea bazelor de date vectoriale cu modele ML
  • Câteva exemple: sisteme de recomandări, recuperare imagini, NLP
  • Studii de caz: implementări reușite ale bazelor de date vectoriale

Scalabilitate și Performanță

  • Proiecte de scalare a bazelor de date vectoriale
  • Tehnici pentru baze de date distribuite vectoriale
  • Metrice și monitorizarea performanței

Lucrare Practică și Studii de Caz

  • Proiect practic: Implementarea unei soluții bazate pe baze de date vectoriale
  • Rezumat al cercetărilor și aplicațiilor recente
  • Prezentări grupale și feedback

Rezumat și Următoarele Pași

Cerințe

  • Cunoștințe de bază despre baze de date și structuri de date
  • Convingința cu conceptele de învățare automată
  • Experiență cu un limbaj de programare (preferabil Python)

Publicul cibrit

  • Cercetători de date
  • Ingineri în învățare automată
  • Dezvoltatori de software
  • Administratoare Database
 14 ore

Numărul de participanți


Pret per participant

Upcoming Courses

Categorii înrudite