연락처 정보

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

참가자 수


참가자별 가격

회원 평가 (2)

예정된 코스

관련 카테고리