Kursplan

Innledning

  • Hva er vektordatabaser?
  • Vektordatabaser vs tradisjonelle databaser
  • Oversikt over vektorembeddinger

Generering av vektorembeddinger

  • Teknikker for å opprette embeddinger fra ulike datatyper
  • Verktøy og biblioteker for embeddinggenerering
  • Beste praksis for embeddingkvalitet og dimensjonalitet

Indeksering og henting i Vector Databaseer

  • Indekseringsstrategier for vektordatabaser
  • Opprettelse og optimalisering av indekser for ytelse
  • Likhetssøkealgoritmer og deres anvendelser

Vector Databaseer i Machine Learning (ML)

  • Integrering av vektordatabaser med ML-modeller
  • Feilsøking av vanlige problemer ved integrering av vektordatabaser med ML-modeller
  • Bruksområder: anbefalingssystemer, bildehenting, NLP
  • Saksenkspiler: vellykkede implementasjoner av vektordatabaser

Skalerbarhet og ytelse

  • Utfordringer ved skalerbarhet av vektordatabaser
  • Teknikker for fordelt vektordatabaser
  • Ytelsesmål og overvåking

Prosjektarbeid og saksenkspiler

  • Praksisbasert prosjekt: Implementering av en vektordatabaseløsning
  • Gjennomgang av fremtredende forskning og anvendelser
  • Gruppesentrerte presentasjoner og tilbakemeldinger

Oppsummering og neste trinn

Krav

  • Grunnleggende kunnskap om databaser og datastrukturer
  • Kjennskap til maskinlæringskonsepter
  • Erfaring med et programmeringsspråk (foretrukket Python)

Målgruppe

  • Datavitere
  • Maskinlæringsingeniører
  • Programvareutviklere
  • Database-administratorer
 14 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories