Plan Szkolenia

Wprowadzenie

  • Co to są bazy danych wektorowych?
  • Bazy danych wektorowych vs tradycyjne bazy danych
  • Przegląd osadzeń wektorowych

Generowanie osadzeń wektorowych

  • Techniki tworzenia osadzeń z różnych typów danych
  • Narzędzia i biblioteki do generowania osadzeń
  • Najlepsze praktyki dotyczące jakości i wymiarowości osadzeń

Indeksowanie i odzyskiwanie w bazach danych wektorowych

  • Strategie indeksowania dla baz danych wektorowych
  • Budowanie i optymalizacja indeksów dla wydajności
  • Algorytmy wyszukiwania podobieństwa i ich zastosowania

Bazy danych wektorowych w machine learning (ML)

  • Integracja baz danych wektorowych z modelami ML
  • Rozwiązywanie typowych problemów przy integrowaniu baz danych wektorowych z modelami ML
  • Przypadki użycia: systemy rekomendacji, odzyskiwanie obrazów, NLP
  • Studia przypadków: udane implementacje baz danych wektorowych

Skalowalność i wydajność

  • Wyzwania w skalowaniu baz danych wektorowych
  • Techniki dla rozproszonych baz danych wektorowych
  • Metryki wydajności i monitorowanie

Projekt praktyczny i studia przypadków

  • Praktyczny projekt: Implementacja rozwiązania z bazą danych wektorowych
  • Przegląd najnowszych badań i aplikacji
  • Prezentacje grupowe i opinie

Podsumowanie i dalsze kroki

Wymagania

  • Podstawowa wiedza o bazach danych i strukturach danych
  • Znajomość koncepcji machine learning
  • Doświadczenie z językiem programowania (preferowane Python)

Odbiorcy kursu

  • Data scientists
  • Inżynierowie machine learning
  • Programiści oprogramowania
  • Administratorzy baz danych
 14 godzin

Liczba uczestników


Cena za uczestnika

Propozycje terminów

Powiązane Kategorie