Plan Szkolenia

Wprowadzenie

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

Generowanie wbudowań wektorowych

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

Indeksowanie i wyszukiwanie w bazach danych Vector Database

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

Bazy danych Vector Database w uczeniu maszynowym (ML)

  • Integracja baz danych wektorowych z modelami ML
  • Rozwiązywanie problemów przy integracji baz danych wektorowych z modelami ML
  • Przykłady zastosowań: systemy rekomendacji, wyszukiwanie obrazów, NLP
  • Studia przypadku: udane wdrożenia baz danych wektorowych

Skalowalność i wydajność

  • Wyzwania związane z skalowaniem baz danych wektorowych
  • Techniki tworzenia rozproszonych baz danych wektorowych
  • Metryki wydajności i monitorowanie

Projektowe prace i studia przypadku

  • Projekt praktyczny: wdrożenie rozwiązania bazy danych wektorowych
  • Przegląd najnowszych badań i zastosowań
  • Grupa prezentacji i feedback

Podsumowanie i kolejne kroki

Wymagania

  • Podstawowa wiedza na temat baz danych i struktur danych
  • Znałość koncepcji uczenia maszynowego
  • Doświadczenie w języku programowania (preferowalnie Python)

Grupa docelowa

  • Naukowcy danych
  • Inżynierowie uczenia maszynowego
  • Programiści
  • Administratorzy Database
 14 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie