연락처 정보

코스 개요

벡터, AI 벡터 임베딩, 인기 있는 AI 임베딩 모델, 시맨틱 검색, 거리 측정 방식 소개

벡터 인덱싱 기법 개요: IVFFlat 인덱스, HNSW 인덱스

PostgreSQL용 PgVector 확장 프로그램: 설치, 고차원 벡터 저장 및 쿼리, 거리 측정 방식, 벡터 인덱스 활용

PostgreSQL용 PgAI 확장 프로그램: 설치, 임베딩 생성, 검색 증강 생성(RAG) 구현, 고급 개발 패턴

Text-to-SQL 솔루션 개요: LangChain 프레임워크

학습 성과: 과정 종료 시 학생들은 PostgreSQL 확장 프로그램과 라이브러리를 활용하여 AI 기반 데이터베이스 애플리케이션의 요소를 설계하고 구축할 수 있게 됩니다. 또한 실제 시스템에 대규모 언어 모델(LLM)과 벡터 검색을 통합하는 기술에 대한 실용적인 경험을 쌓게 되며, 시맨틱 검색 엔진, AI 어시스턴트, 자연어 데이터베이스 인터페이스 등 다양한 애플리케이션을 개발할 수 있는 역량을 갖추게 됩니다.

요건

SQL 기본 지식, PostgreSQL에 대한 기초 경험, Python 또는 JavaScript 프로그래밍 언어에 대한 기본 지식

대상: 데이터베이스 개발자, 시스템 아키텍트

 14 시간

참가자 수


참가자별 가격

회원 평가 (2)

예정된 코스

관련 카테고리