Temario del curso
Introducción a:
- vectores
- incrustaciones vectoriales (embeddings) de IA
- modelos populares de incrustación (embeddings) para IA
- búsqueda semántica
- métricas de distancia
Visión general de las técnicas de indexación vectorial:
- índice IVFFlat
- índice HNSW
Extensión PgVector para PostgreSQL:
- instalación
- almacenamiento y consulta de vectores de alta dimensionalidad
- métricas de distancia
- uso de índices vectoriales
Extensión PgAI para PostgreSQL:
- instalación
- generación de incrustaciones (embeddings)
- implementación de Generación Aumentada por Recuperación (RAG)
- patrones avanzados de desarrollo
Visión general de las soluciones Text-to-SQL: marco de trabajo LangChain.
Resultado del curso: al finalizar el curso, los estudiantes podrán:
- diseñar y construir componentes de aplicaciones de bases de datos potenciadas por inteligencia artificial mediante extensiones y bibliotecas de PostgreSQL.
- adquirir experiencia práctica con técnicas para integrar modelos de lenguaje grande (LLM) y búsqueda vectorial en sistemas reales, lo que les permitirá desarrollar aplicaciones como motores de búsqueda semántica, asistentes de IA e interfaces de bases de datos por lenguaje natural.
Requerimientos
Conocimientos básicos de SQL; experiencia básica con PostgreSQL; conocimientos básicos de programación en Python o JavaScript
Público objetivo: desarrolladores de bases de datos, arquitectos de sistemas
Reseñas (2)
Estrategias de ajuste.
Jeffrey Zieg - Matrix Consulting
Curso - PostgreSQL Performance Tuning
Traducción Automática
Comportamiento de registro cuando la instancia está bajo estrés, y la jerarquía/nomenclatura de instancias, bases de datos, archivos, etc.
Daniel Inwood - Sinara Consultants LTD
Curso - PostgreSQL Advanced DBA
Traducción Automática