연락처 정보

코스 개요

다음 내용을 소개합니다:

  • 벡터
  • AI 벡터 임베딩
  • 주요 AI 임베딩 모델
  • 시맨틱 검색
  • 거리 측정 방법

벡터 인덱싱 기술 개요:

  • IVFFlat 인덱스
  • HNSW 인덱스

PostgreSQL용 PgVector 확장 모듈:

  • 설치
  • 고차원 벡터 저장 및 쿼리
  • 거리 측정 방법
  • 벡터 인덱스 활용

PostgreSQL용 PgAI 확장 모듈:

  • 설치
  • 임베딩 생성
  • Retrieval-Augmented Generation 구현
  • 고급 개발 패턴

Text-to-SQL 솔루션 개요: LangChain 프레임워크

수강 목표: 과정 종료 시 수강생들은 다음을 수행할 수 있게 됩니다:

  • PostgreSQL 확장 모듈과 라이브러리를 활용하여 AI 기반 데이터베이스 애플리케이션의 요소를 설계하고 구축합니다.
  • 실제 시스템에 대규모 언어 모델(LLM) 및 벡터 검색을 통합하는 기술에 대한 실무 경험을 쌓으며, 시맨틱 검색 엔진, AI 어시스턴트, 자연어 데이터베이스 인터페이스와 같은 애플리케이션을 개발할 수 있는 역량을 갖춥니다.

요건

SQL 기본 지식, PostgreSQL 관련 기초 경험, Python 또는 JavaScript 프로그래밍 언어에 대한 기초 지식이 필요합니다.

대상: 데이터베이스 개발자, 시스템 아키텍트

 14 시간

참가자 수


참가자별 가격

회원 평가 (2)

예정된 코스

관련 카테고리