Kurzusleírás

Bevezetés

  • Milyenek a vektor adatbázisok?
  • Vektor adatbázisok vs. hagyományos adatbázisok
  • A vektor beágyazások áttekintése

Vektora beágyazások generálása

  • Technikák különböző adattípusokból származó beágyazások létrehozására
  • Eszközök és könyvtárak beágyazás generálásához
  • A legjobb gyakorlatok a beágyazás minősége és dimenzionalitása szempontjából

Indexelés és lekérdezés vektor adatbázisokban

  • Vektor adatbázisok indexelési stratégiái
  • Indexek építése és optimalizálása a teljesítmény szempontjából
  • Hasonlósági keresési algoritmusok és alkalmazásaik

Vektor adatbázisok a gépi tanulásban (ML)

  • A vektor adatbázisok integrálása ML modellbe
  • Gépelés közös problémák megoldása, amik a vektor adatbázisok és ML modellök integrációjának esetében merülnek fel
  • Felhasználás területek: ajánló rendszerek, kép lekérdezés, NLP (természetes nyelv feldolgozás)
  • Képernyőminta tanulmányok: sikeres vektor adatbázis implementációk

Skálázhatóság és teljesítmény

  • Kihívások a vektor adatbázisok skálázhatóságában
  • Technikák elosztott vektor adatbázisokhoz
  • Teljesítmény-mutatók és monitorozás

Projekt munka és képernyőminta tanulmányok

  • Előnyben részesített projekt: vektor adatbázis megoldás implementálása
  • A legmodernebb kutatás és alkalmazások áttekintése
  • Csoport bemutatások és visszajelzések

Összefoglaló és következő lépések

Követelmények

  • Alapvető ismeretek adatbázisokról és adatszerkezetekről
  • Ismerkedés a gépi tanulási fogalmakkal
  • Tapasztalat egy programozási nyelvvel (preferálva Python)

Célcsoport

  • Adattudósok
  • Gépi tanulási mérnökök
  • Szoftverfejlesztők
  • Adatbázis-kezelők
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák