문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
다음 내용들에 대한 소개:
- 벡터의 개념
- 인공지능 기반 벡터 임베딩
- 대표적인 인공지능 임베딩 모델들
- 시맨틱 검색의 원리
- 거리 측정 방법론
주요 벡터 인덱싱 기법에 대한 개요:
- IVFFlat 인덱스
- HNSW 인덱스
PostgreSQL용 PgVector 확장 기능 소개:
- 설치 방법
- 고차원 벡터의 저장 및 쿼리 처리 방식
- 거리 측정 기법 활용법
- 벡터 인덱스 활용 전략
PostgreSQL용 PgAI 확장 기능 소개:
- 설치 방법
- 임베딩 생성 기법
- 검색 증강 생성(RAG) 구현 방안
- 고급 개발 패턴 활용법
텍스트 기반 SQL 솔루션에 대한 개요: LangChain 프레임워크의 역할과 특징
과정 수료 후 학습자는 다음을 할 수 있게 됩니다:
- PostgreSQL 확장 기능 및 관련 라이브러리를 활용하여 인공지능 기반 데이터베이스 애플리케이션의 각 요소를 설계하고 구현할 수 있습니다.
- 대형 언어 모델(LLM)과 벡터 검색 기술을 실제 시스템에 통합하는 실무 경험을 쌓아, 시맨틱 검색 엔진이나 인공지능 기반 비서 프로그램, 자연어로 작동하는 데이터베이스 인터페이스와 같은 애플리케이션들을 직접 개발할 수 있게 됩니다.
요건
SQL에 대한 기본 지식, PostgreSQL 사용 경험, 그리고 Python 또는 JavaScript 프로그래밍 언어의 기초 이해가 필요합니다.
대상: 데이터베이스 개발자 및 시스템 아키텍트
14 시간
회원 평가 (2)
튜닝 전략
Jeffrey Zieg - Matrix Consulting
코스 - PostgreSQL Performance Tuning
기계 번역됨
인스턴스가 고부하 상태일 때의 로깅 동작과 인스턴스, 데이터베이스, 파일 등의 계층 구조/명명 체계
Daniel Inwood - Sinara Consultants LTD
코스 - PostgreSQL Advanced DBA
기계 번역됨