课程大纲

简介

  • 什么是向量数据库?
  • 向量数据库与传统数据库的对比。
  • 向量嵌入概述。

生成向量嵌入

  • 从多种数据类型创建嵌入的技术。
  • 生成嵌入的工具和库。
  • 嵌入质量和维度的最佳实践。

向量数据库的索引与检索

  • 向量数据库的索引策略。
  • 构建和优化索引以提高性能。
  • 相似性搜索算法及其应用。

向量数据库在机器学习中的应用

  • 将向量数据库与机器学习模型集成。
  • 解决向量数据库与机器学习模型集成中的常见问题。
  • 用例:推荐系统、图像检索、自然语言处理。
  • 案例研究:向量数据库的成功实施。

可扩展性与性能

  • 向量数据库扩展中的挑战。
  • 分布式向量数据库的技术。
  • 性能指标与监控。

项目工作与案例研究

  • 动手项目:实现一个向量数据库解决方案。
  • 前沿研究与应用的回顾。
  • 小组展示与反馈。

总结与下一步

要求

  • 具备数据库和数据结构的基础知识。
  • 熟悉机器学习概念。
  • 具备编程语言经验(建议使用Python)。

受众

  • 数据科学家。
  • 机器学习工程师。
  • 软件开发人员。
  • 数据库管理员。
 14 小时

即将举行的公开课程

课程分类