연락처 정보

코스 개요

PostgreSQL와 AI의 만남: 개요

  • AI 및 데이터 기반 시스템에 대한 기본 이해
  • PostgreSQL 환경 내에서의 AI 활용 사례
  • AI 워크로드 처리를 위한 아키텍처 설계 고려사항

개발 환경 구축 방법

  • PostgreSQL 설치 및 pgvector 구성 방법
  • AI 연동을 위한 Python 설정 절차
  • 로컬 및 클라우드 기반 LLM과 PostgreSQL 연결 방안

AI 확장 기능 및 벡터 데이터베이스 활용법

  • PostgreSQL 내에서의 벡터 임베딩 작동 원리 이해
  • pgvector를 이용한 유사도 검색 및 의미 기반 쿼리 처리 방법
  • 외부 벡터 저장소 대비 PostgreSQL 내 AI 확장 기능의 성능 비교 분석

PostgreSQL와 LLM 연동 전략

  • OpenAI, Deepseek, Qwen, Mistral Small 등의 모델과 PostgreSQL 연결 방법
  • AI 쿼리 처리를 위한 파이프라인 설계 기법
  • 임베딩 데이터를 효율적으로 저장하고 검색하는 방법

지능형 쿼리 시스템 구축 기법

  • LLM을 활용한 자연어-SQL 변환 기술
  • 쿼리 생성 및 최적화 과정의 자동화 전략
  • AI를 이용한 데이터베이스 검색 및 요약 기능 구현 방법

AI 워크로드에 최적화된 PostgreSQL 운영법

  • 임베딩 데이터 처리를 위한 인덱싱 전략
  • AI 쿼리 성능 향상을 위한 튜닝 및 캐싱 기법
  • 분산형 아키텍처와 클라우드 환경에서의 PostgreSQL 확장 방안

AI 활용 데이터베이스의 보안 및 거버넌스 정책

  • 데이터 프라이버시 보호와 규정 준수 관련 고려사항
  • API 키 관리 및 접근 제어 기법
  • AI 연동 활동과 쿼리 로그에 대한 감사 체계 구축 방법

실제 사례와 기업 내 활용 방안

  • PostgreSQL를 기반으로 한 AI 추천 시스템 개발 사례
  • 임베딩 기술을 활용한 기업용 검색 및 데이터 분석 솔루션
  • PostgreSQL 내에서 구현 가능한 자동화 시스템과 예측 모델링 사례

교육 과정 요약 및 향후 발전 방향 제시

요건

  • SQL 및 관계형 데이터베이스 개념에 대한 이해
  • PostgreSQL 관리 또는 개발 경험
  • AI와 머신러닝의 기본 원리에 대한 기초 지식

대상자

  • PostgreSQL에 AI 기능을 통합하고자 하는 데이터베이스 관리자
  • AI 기반 데이터 파이프라인 구축을 담당하는 데이터 엔지니어
  • 지능형 데이터 애플리케이션 설계를 수행하는 개발자 및 아키텍트
 21 시간

참가자 수


참가자별 가격

예정된 코스

관련 카테고리