Đề cương khóa học

Giới thiệu

  • Cơ sở dữ liệu vector là gì?
  • Cơ sở dữ liệu vector so với cơ sở dữ liệu truyền thống
  • Tổng quan về vector embeddings

Tạo Vector Embeddings

  • Kỹ thuật tạo embeddings từ các loại dữ liệu khác nhau
  • Công cụ và thư viện để tạo embeddings
  • Các phương pháp tốt nhất để đảm bảo chất lượng và số chiều của embeddings

Lập chỉ mục và Truy xuất trong Vector Databases

  • Chiến lược lập chỉ mục cho cơ sở dữ liệu vector
  • Xây dựng và tối ưu hóa chỉ mục để đạt hiệu suất cao
  • Thuật toán tìm kiếm tương đồng và các ứng dụng của chúng

Vector Databases trong Machine Learning (ML)

  • Tích hợp cơ sở dữ liệu vector với các mô hình ML
  • Khắc phục các sự cố thường gặp khi tích hợp cơ sở dữ liệu vector với các mô hình ML
  • Các trường hợp sử dụng: hệ thống đề xuất, tìm kiếm hình ảnh, NLP
  • Nghiên cứu điển hình: các triển khai cơ sở dữ liệu vector thành công

Scalability và Hiệu suất

  • Thách thức trong việc mở rộng cơ sở dữ liệu vector
  • Kỹ thuật cho cơ sở dữ liệu vector phân tán
  • Các chỉ số hiệu suất và giám sát

Dự án Thực hành và Nghiên cứu điển hình

  • Dự án thực hành: Triển khai giải pháp cơ sở dữ liệu vector
  • Đánh giá các nghiên cứu và ứng dụng tiên tiến
  • Thuyết trình và phản hồi nhóm

Tóm tắt và Các bước tiếp theo

Requirements

  • Kiến thức cơ bản về cơ sở dữ liệu và cấu trúc dữ liệu
  • Làm quen với các khái niệm học máy
  • Có kinh nghiệm với một ngôn ngữ lập trình (ưu tiên Python)

Đối tượng

  • Nhà khoa học dữ liệu
  • Kỹ sư học máy
  • Nhà phát triển phần mềm
  • Quản trị viên Database
 14 Hours

Number of participants


Price per participant

Provisional Upcoming Courses (Require 5+ participants)

Related Categories