Programa del Curso

Introducción

  • ¿Qué son las bases de datos vectoriales?
  • Bases de datos vectoriales frente a bases de datos tradicionales
  • Información general sobre las incrustaciones vectoriales

Generación de incrustaciones vectoriales

  • Técnicas para crear incrustaciones a partir de varios tipos de datos
  • Herramientas y bibliotecas para la generación de incrustaciones
  • Prácticas recomendadas para incorporar calidad y dimensionalidad

Indexación y recuperación en vectores Databases

  • Estrategias de indexación para bases de datos vectoriales
  • Creación y optimización de índices de rendimiento
  • Algoritmos de búsqueda de similitud y sus aplicaciones

Vector Databases en Machine Learning (ML)

  • Integración de bases de datos vectoriales con modelos de ML
  • Solución de problemas comunes al integrar bases de datos vectoriales con modelos de ML
  • Casos de uso: sistemas de recomendación, recuperación de imágenes, NLP
  • Casos prácticos: implementaciones exitosas de bases de datos vectoriales

ScalaCapacidad y rendimiento

  • Desafíos en el escalado de bases de datos vectoriales
  • Técnicas para bases de datos vectoriales distribuidas
  • Métricas de rendimiento y supervisión

Trabajo de proyectos y estudios de casos

  • Proyecto práctico: Implementación de una solución de base de datos vectorial
  • Revisión de la investigación y las aplicaciones de vanguardia
  • Presentaciones grupales y comentarios

Resumen y próximos pasos

Requerimientos

  • Conocimientos básicos de bases de datos y estructuras de datos
  • Familiaridad con los conceptos de aprendizaje automático
  • Experiencia con un lenguaje de programación (preferiblemente Python)

Audiencia

  • Científicos de datos
  • Ingenieros de aprendizaje automático
  • Desarrolladores de software
  • Database Administradores
 14 horas

Número de participantes



Precio por participante

Categorías Relacionadas