Sviluppare soluzioni di intelligenza artificiale con Database di Azure per PostgreSQL
Riepilogo
-
Level
-
Competenza
-
Prodotto
-
Ruolo
-
Oggetto
Questo percorso di apprendimento illustra lo sviluppo di soluzioni di intelligenza artificiale con Database di Azure per PostgreSQL. Per iniziare, creare la base dati con la progettazione dello schema, query SQL efficienti e integrazione sicura di Python usando l'autenticazione di Microsoft Entra.
Si implementa quindi la ricerca vettoriale usando l'estensione pgvector per archiviare incorporamenti, eseguire ricerche di somiglianza con metriche di distanza diverse e creare modelli di recupero che si integrano con le pipeline RAG per la ricerca semantica e le raccomandazioni.
Infine, è possibile ottimizzare le prestazioni di ricerca vettoriale ottimizzando la configurazione di PostgreSQL e pgvector, selezionando indici vettoriali appropriati, progettando layout di dati efficienti, ridimensionamento per carichi di lavoro con volumi elevati e implementando il pool di connessioni per le applicazioni di intelligenza artificiale.
Prerequisiti
- Esperienza di programmazione con Python.
- Conoscenza di base dei servizi di Azure e dei concetti relativi al cloud computing.
- Familiarità con i database relazionali e i concetti fondamentali di SQL.
- Conoscenza dei concetti di Machine Learning, inclusi incorporamenti e ricerca di somiglianza.
Codice obiettivo
Si vuole richiedere un codice obiettivo?
Moduli in questo percorso di apprendimento
Informazioni su come usare Database di Azure per PostgreSQL per creare basi dati per le applicazioni di intelligenza artificiale. Progettare schemi, scrivere query efficienti e integrarsi con le applicazioni Python usando l'autenticazione sicura.
Informazioni su come implementare la ricerca vettoriale usando l'estensione pgvector in Database di Azure per PostgreSQL. Archiviare incorporamenti, creare indici vettoriali e creare modelli di recupero semantico per le applicazioni di intelligenza artificiale.
Informazioni su come ottimizzare le prestazioni di ricerca vettoriale in Database di Azure per PostgreSQL usando pgvector. Ottimizzare i parametri di configurazione, selezionare e configurare indici vettoriali, progettare layout di dati efficienti, ridimensionare per carichi di lavoro con volumi elevati e implementare il pool di connessioni per le applicazioni di intelligenza artificiale.