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.
Programa do Curso
Introdução
- O que são bases de dados vectoriais?
- Bases de dados vectoriais versus bases de dados tradicionais
- Descrição geral dos embeddings vectoriais
Geração de integrações vectoriais
- Técnicas para criar incorporações a partir de vários tipos de dados
- Ferramentas e bibliotecas para geração de embeddings
- Melhores práticas para a qualidade e dimensionalidade da incorporação
Indexação e recuperação em Databases vectoriais
- Estratégias de indexação para bases de dados vectoriais
- Construção e otimização de índices para desempenho
- Algoritmos de pesquisa por semelhança e suas aplicações
Vetor Databases em Machine Learning (ML)
- Integração de bases de dados vectoriais com modelos ML
- Resolução de problemas comuns na integração de bases de dados vectoriais com modelos de ML
- Casos de utilização: sistemas de recomendação, recuperação de imagens, PNL
- Estudos de casos: implementações bem sucedidas de bases de dados vectoriais
Scala Capacidade e desempenho
- Desafios no dimensionamento de bases de dados vectoriais
- Técnicas para bases de dados vectoriais distribuídas
- Métricas de desempenho e monitorização
Trabalho de projeto e estudos de casos
- Projeto prático: Implementação de uma solução de base de dados vetorial
- Revisão de investigação e aplicações de ponta
- Apresentações em grupo e feedback
Resumo e próximos passos
Requisitos
- Conhecimentos básicos de bases de dados e estruturas de dados
- Familiaridade com conceitos de aprendizagem automática
- Experiência com uma linguagem de programação (de preferência Python)
Público-alvo
- Cientistas de dados
- Engenheiros de aprendizagem automática
- Programadores de software
- Administradores Database
14 horas