Opracowywanie rozwiązań sztucznej inteligencji za pomocą usługi Azure Database for PostgreSQL

  • Ścieżka szkoleniowa
  • 3 Moduły

W skrócie

Ta ścieżka szkoleniowa przeprowadzi Cię przez proces tworzenia rozwiązań sztucznej inteligencji przy użyciu usługi Azure Database for PostgreSQL. Zacznij od utworzenia podstawy danych z projektowaniem schematu, wydajnymi zapytaniami SQL i bezpieczną integracją języka Python przy użyciu uwierzytelniania firmy Microsoft Entra.

Następnie zaimplementujesz wyszukiwanie wektorów przy użyciu rozszerzenia pgvector do przechowywania osadzania, wykonywania wyszukiwań podobieństw z różnymi metrykami odległości i tworzenia wzorców pobierania, które integrują się z potokami RAG na potrzeby wyszukiwania semantycznego i zaleceń.

Na koniec optymalizujesz wydajność wyszukiwania wektorów, dostrajając konfigurację postgreSQL i pgvector, wybierając odpowiednie indeksy wektorów, projektując wydajne układy danych, skalowanie pod kątem obciążeń o dużej ilości i implementując buforowanie połączeń dla aplikacji sztucznej inteligencji.

Wymagania wstępne

  • Doświadczenie w programowaniu w języku Python.
  • Podstawowa wiedza na temat usług platformy Azure i pojęć związanych z przetwarzaniem w chmurze.
  • Znajomość relacyjnych baz danych i podstaw języka SQL.
  • Zrozumienie pojęć dotyczących uczenia maszynowego, w tym osadzania i wyszukiwania podobieństwa.

Moduły w ramach tej ścieżki szkoleniowej

Kompilowanie i wykonywanie zapytań za pomocą usługi Azure Database for PostgreSQL

Dowiedz się, jak używać usługi Azure Database for PostgreSQL do tworzenia podstaw danych dla aplikacji sztucznej inteligencji. Projektowanie schematów, pisanie wydajnych zapytań i integrowanie z aplikacjami języka Python przy użyciu bezpiecznego uwierzytelniania.

Implementowanie wyszukiwania wektorów za pomocą usługi Azure Database for PostgreSQL

Dowiedz się, jak zaimplementować wyszukiwanie wektorów przy użyciu rozszerzenia pgvector w usłudze Azure Database for PostgreSQL. Przechowuj wektory osadzeń, twórz indeksy wektorowe i buduj wzorce wyszukiwania semantycznego dla aplikacji sztucznej inteligencji.

Optymalizowanie wyszukiwania wektorów w usłudze Azure Database for PostgreSQL

Dowiedz się, jak zoptymalizować wydajność wyszukiwania wektorów w usłudze Azure Database for PostgreSQL przy użyciu narzędzia pgvector. Dostrajanie parametrów konfiguracji, wybieranie i konfigurowanie indeksów wektorów, projektowanie wydajnych układów danych, skalowanie pod kątem obciążeń o dużej ilości i implementowanie buforowania połączeń dla aplikacji sztucznej inteligencji.

Rozpocznij