Contacta con nosotros

Temario del curso

Introducción a:

  • vectores
  • embeddings vectoriales de IA
  • modelos populares de embeddings para IA
  • búsqueda semántica
  • métricas de distancia

Descripción general de las técnicas de indexación vectorial:

  • índice IVFFlat
  • índice HNSW

Extensión PgVector para PostgreSQL:

  • instalación
  • almacenamiento y consulta de vectores de alta dimensión
  • métricas de distancia
  • uso de índices vectoriales

Extensión PgAI para PostgreSQL:

  • instalación
  • generación de embeddings
  • implementación de Generación Aumentada por Recuperación (RAG)
  • patrones avanzados de desarrollo

Descripción general de las soluciones Text-to-SQL: marco de trabajo LangChain

Resultado del curso: Al finalizarlo, los estudiantes podrán:

  • diseñar y construir componentes de aplicaciones de bases de datos potenciadas por IA mediante extensiones y bibliotecas de PostgreSQL.
  • adquirir experiencia práctica con técnicas para integrar modelos de lenguaje grandes (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 basadas en 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

 14 Horas

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas