A videós oktatóanyag hossza: 4 óra 58 perc
Miről szól a videós oktatóanyag?
A program során megismerheted a vektoradatbázisok alapjait, és megtanulhatod, hogyan végezhetsz hasonlósági keresést beágyazás vektorok segítségével. Gyakorlati, projektalapú feladatokon keresztül sajátíthatod el a szövegek kódolását, vektorok tárolását, valamint a vektoradatbázisok használatát, mint például a PostgreSQL.
Kiknek szól ez a program?
A programot azoknak állítottuk össze, akik már rendelkeznek alapvető adatbázis-kezelési, tervezési és SQL lekérdezési ismeretekkel, és szeretnék elmélyíteni tudásukat a vektorokkal és hasonlósági keresésekkel kapcsolatban. Legyél akár adatelemző, szoftverfejlesztő vagy IT szakember, ez a képzés segít megérteni, hogyan implementálhatók és optimalizálhatók a vektoradatbázisok a valós alkalmazásokban.
- Projekt és Termékmenedzserek: Megértheted, hogyan működik az AI alapú keresés, milyen szerepe van egy vektoradatbázisnak a szoftver architektúrában
- Adatelemzők és Adattudósok: Megtanulhatod, hogyan használhatók a vektoradatbázisok az adatok hatékonyabb tárolására és visszakeresésére az elemzési munkában.
- Szoftverfejlesztők és Adatmérnökök: Megtanulsz fejlett keresési megoldást megvalósítani a fejlesztendő szoftveredbe
- IT szakemberek: Rendszergazdák, hálózati adminisztrátorok, QA szakemberek, és más IT szakemberek számára, akik szeretnék bővíteni adatbázis-menedzsment ismereteiket.
Ezeket a képességeket szerezheted meg:
- Vektoradatbázisok alapjainak megértése: Megismerheted, hogyan működnek a vektoradatbázisok, hogyan lehet hasonlósági keresést végezni beágyazás vektorok segítségével, és miért előnyösebb ez a megközelítés a hagyományos kulcsszó alapú keresésekkel szemben.
- Szöveg kódolása és vektorokká alakítása: Elsajátíthatod a Python és sentence transformer-ek használatát a szövegek vektorokká alakításához, valamint az OpenAI API segítségével történő kódolást.
- Vektorok tárolása és keresése: Megtudhatod, hogyan tárolhatók vektorok PostgreSQL-ben a pg_vector bővítmény segítségével, és hogyan végezhetsz hasonlósági keresést a tárolt vektorok között.
- Több modalitás kezelése: Megértheted, hogyan integrálhatók különböző modalitások (pl. szöveg, kép, hang) a vektoradatbázisokba, és hogyan használhatók beágyazás vektorok a különböző adattípusok közötti kereséshez és összehasonlításhoz.
- Teljesítményoptimalizálás nagy adatkészleteken: Megismerheted a nagy léptékű hasonlósági keresés optimalizálásának technikáit, beleértve az indexelési stratégiákat.
Tartalom
- Bevezetés a vektoradatbázisokba
- Miért használjunk vektoradatbázisokat?
- Hogyan különböznek a hagyományos adatbázisoktól?
- Eszközök telepítése: PostgreSQL és Python
- Szöveg kódolása vektorokká
- Kódolási lehetőségek
- Python sentence transformer-ek
- OpenAI API használata.
- Vektorok tárolása és hasonlósági keresés PostgreSQL-ben
- pg_vector bővítmény bemutatása
- Vektorok tárolása
- Hasonló vektorok keresése
- Indexelési stratégiák és nagy adathalmazok kezelése:
- Vektorok intexelési lehetőségeinek bemutatása
- Különböző
- Teljesítményoptimalizálási technikák
- Több modalitás kezelése:
- Szöveg, kép, hang és más modalitások kezelése vektoradatbázisokban.
- Valós példák és felhasználási esetek
- Hasonlósági keresés gyakorlati alkalmazásai, például ajánlórendszerek és szemantikus keresések.
- Milyen egyéb problémák megoldására lehet jó egy vektoradatbázis?
Mentor
Szél Péter
Szél Péter tapasztalt szoftverfejlesztő és IT oktató, aki hosszú évek óta vezető szerepet tölt be ezen a területen. Az ő meggyőződése az, hogy a tanulás és fejlődés létfontosságúak a személyes boldogság és a szervezeti siker szempontjából. Több mint tíz éves szakmai múlttal rendelkezik a szoftverfejlesztés, vezetés és szakmai képzés terén,
FONTOS!
Az oktatóanyag leckéit csak egymás után tudod feldolgozni. Ha megnézted a leckét a Megtanultam gombra kattintva léphetsz tovább.
