Contacta con nosotros

Temario del curso

Introducción a:

  • vectores
  • vectores de incrustación (embeddings) para IA
  • modelos populares de embeddings para IA
  • búsqueda semántica
  • métricas de distancia

Visión general de las técnicas de indexación vectorial:

  • Índice IVFFlat
  • Índice HNSW

Extensión PgVector para PostgreSQL:

  • instalación
  • almacenamiento y consulta de vectores de alta dimensión
  • métricas de distancia
  • uso de índices vectoriales

Extensión PgAI para PostgreSQL:

  • instalación
  • generación de embeddings
  • implementación de Generación Aumentada por Recuperación (RAG)
  • patrones avanzados de desarrollo

Visión general de las soluciones Text-to-SQL: Marco de trabajo LangChain

Resultado del curso: Al finalizar este curso, los estudiantes podrán:

  • diseñar y construir componentes de aplicaciones de bases de datos potenciadas con IA utilizando extensiones y bibliotecas de PostgreSQL.
  • obtener experiencia práctica en técnicas para integrar modelos de lenguaje grandes (LLM) y búsqueda vectorial en sistemas del mundo real, lo que les permitirá desarrollar aplicaciones como motores de búsqueda semántica, asistentes de IA e interfaces de bases de datos basadas en lenguaje natural.

Requerimientos

Conocimientos básicos de SQL, experiencia básica con PostgreSQL y nociones básicas de programación en Python o JavaScript

Público objetivo: desarrolladores de bases de datos, arquitectos de sistemas

 14 Horas

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas