AI for Postgres Treningskurs

Introduksjon til AI i Postgres

• Øversikt over AI og data-drevne systemer
• AI-bruksfall innenfor Postgres-miljøer
• Arkitekturhensyn for AI-arbeidsbelastninger

Oppsett av miljøet

• Installasjon av PostgreSQL og konfigurasjon av pgvector
• Oppsett av Python for AI-integrasjoner
• Kobling av Postgres til lokale og cloud-baserte LLM-er

AI-utvidelser og vektordatabaser

• Forståelse av vektor-embeddings i Postgres
• Bruk av pgvector for likhetssøk og semantiske forespørsler
• Benchmarking av AI-utvidelser i forhold til eksterne vektorlagringssteder

Integrering av LLM-er med Postgres

• Kobling av Postgres med OpenAI, Deepseek, Qwen og Mistral Small
• Utforming av AI-forespørselspipelines
• Lagring og henting av embeddings effektivt

Bygging av intelligente forespørselsystemer

• Naturlig språk til SQL ved hjelp av LLM-er
• Automatisering av generering og optimalisering av forespørsler
• AI-assistert databasesøk og sammendrag

Optimalisering av Postgres for AI-arbeidsbelastninger

• Indeksstrategier for embeddings
• Prestandautvikling og caching for AI-forespørsler
• Skalering av Postgres med distribuerte og cloud-arkitekturer

Sikkerhet og styring i AI-empowered databaser

• Hensyn til datasikkerhet og compliance
• Administrasjon av API-nøkler og tilgangsstyring
• Revisjon av AI-interaksjoner og forespørselslogger

Kasusstudier og enterprise-bruksfall

• AI-drevne anbefalingssystemer med Postgres
• Enterprise-søk og analyse med embeddings
• Automatisering og prediktiv modellering innenfor Postgres

Oppsummering og neste steg