Kursplan

Innføring

  • Hvordan fungerer vektordatabaser?
  • Vektordatabaser vs. tradisjonelle databaser
  • Oversikt over vektorinnbygg

Generering av vektorinnbygg

  • Teknikker for å skape innbygg fra ulike datatyper
  • Verktøy og biblioteker for generering av innbygg
  • Beste praksis for innbyggkvalitet og dimensjonalitet

Indeksering og henting i vektordatabaser

  • Indekseringstrategier for vektordatabaser
  • Bygge og optimere indekser for ytelse
  • Likhetssøkalgoritmer og deres anvendelser

Vektordatabaser i maskinlæring (ML)

  • Integrering av vektordatabaser med ML-modeller
  • Felles problemer og løsninger ved integrasjon av vektordatabaser med ML-modeller
  • Anvendelsesområder: anbefalingssystemer, bildehenting, NLP
  • Kasusstudier: vellykkede implementasjoner av vektordatabaser

Skalerbarhet og ytelse

  • Utfordringer ved skaling av vektordatabaser
  • Teknikker for distribuerte vektordatabaser
  • Ytelseindikatorer og overvåking

Prosjektarbeid og kasusstudier

  • Praktisk prosjekt: Implementering av en vektordatabasesølning
  • Gjennomgang av kantforskning og anvendelser
  • Gruppepresentasjoner og tilbakemeldinger

Oppsummering og neste skritt

Krav

  • Grunnleggende kunnskap om databaser og datstrukturer
  • Bekjent med maskinlæringskonsepter
  • Erfaring med et programmeringsspråk (foretrukket Python)

Målgruppe

  • Dataforskere
  • Maskinlæringsingeniører
  • Programutviklere
  • Databaseadministratorer
 14 timer

Antall deltakere


Pris per deltaker

Kommende kurs

Relaterte kategorier