Bazy wektorowe i pgvector: wyszukiwanie semantyczne dla AI
Informacje podstawowe
Najważniejsze dane o szkoleniu w jednym miejscu- Kategoria
- PostgreSQL
- Forma realizacji
- Online lub stacjonarnie
- Termin
- Ustalany indywidualnie
- Dostawca
- ERNABO Adrian Flak
- Dofinansowanie
- Możliwość dofinansowania
Cel szkolenia
Co zyskasz po ukończeniu kursuCel biznesowy
Trafne wyszukiwanie w dokumentach firmy i lepsze odpowiedzi asystentów AI na istniejącej infrastrukturze PostgreSQL.
Cel edukacyjny
Uczestnik uczy się przechowywać i przeszukiwać wektory w PostgreSQL z rozszerzeniem pgvector.
Efekty uczenia się
- wyjaśnia, czym są embeddingi i miary podobieństwa,
- instaluje pgvector i projektuje tabele z kolumnami wektorowymi,
- dobiera i stroi indeksy HNSW lub IVFFlat,
- łączy wyszukiwanie wektorowe z pełnotekstowym i filtrami,
- porównuje pgvector z dedykowanymi bazami wektorowymi.
Program szkolenia
Szczegółowy plan zajęćModuł 1. Wyszukiwanie semantyczne
- embeddingi tekstu i modele do ich tworzenia
- odległość kosinusowa, euklidesowa, iloczyn skalarny
Moduł 2. pgvector
- instalacja rozszerzenia i typ vector
- zapytania o najbliższych sąsiadów
Moduł 3. Indeksy i wydajność
- HNSW i IVFFlat, parametry i kompromisy
- dokładność a szybkość wyszukiwania
Moduł 4. Wyszukiwanie hybrydowe
- łączenie z wyszukiwaniem pełnotekstowym
- filtrowanie po metadanych i uprawnieniach
Moduł 5. Zastosowanie w AI
- dzielenie dokumentów i zasilanie RAG
- przegląd Qdrant, Weaviate, Milvus i usług chmurowych
Warsztat końcowy
Uczestnicy budują w PostgreSQL wyszukiwarkę semantyczną dokumentów firmy i podłączają ją do prostego asystenta AI.
Wymagania
Co przygotować przed startem szkoleniaWymagania wstępne
Znajomość SQL i podstaw Pythona. Podstawowa wiedza o modelach językowych będzie pomocna.
Dla kogo?
Programiści, inżynierowie danych i architekci, którzy budują wyszukiwarki semantyczne lub aplikacje RAG.