Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 21 Stunden (3 Tage)
Schulungsübersicht
Einführung in KI in Postgres
- Überblick über KI und datengetriebene Systeme
- Use Cases für KI in Postgres-Umgebungen
- Architekturelle Überlegungen für KI-Workloads
Einrichtung der Umgebung
- Installation von PostgreSQL und Konfiguration von pgvector
- E Einrichtung von Python für KI-Integrationen
- Verbindung von Postgres mit lokalen und Cloud-basierten LLMs
KI-Erweiterungen und Vektordatenbanken
- Verständnis von Vektor-Embeddings in Postgres
- Verwendung von pgvector für Ähnlichkeitssuche und semantische Abfragen
- Benchmarks: KI-Erweiterungen im Vergleich zu externen Vektorspeichern
Integration von LLMs mit Postgres
- Verbindung von Postgres mit OpenAI, Deepseek, Qwen und Mistral Small
- Gestaltung von KI-Abfragepipelines
- Effizientes Speichern und Abrufen von Embeddings
Aufbau intelligenter Abfragesysteme
- Übersetzung von natürlicher Sprache in SQL mithilfe von LLMs
- Automatisierung der Abfragegenerierung und -optimierung
- KI-gestützte Datenbanksuche und Zusammenfassung
Optimierung von Postgres für KI-Workloads
- Indexierungsstrategien für Embeddings
- Performance-Tuning und Caching für KI-Abfragen
- Skalierung von Postgres mit verteilten und Cloud-Architekturen
Sicherheit und Governance in KI-fähigen Datenbanken
- Überlegungen zur Datendatenschutz und Compliance
- Verwaltung von API-Keys und Zugriffskontrollen
- Auditing von KI-Interaktionen und Abfrageprotokollen
Fallstudien und Enterprise-Use Cases
- KI-gestützte Empfehlungssysteme mit Postgres
- Enterprise-Suche und Analytics mit Embeddings
- Automatisierung und prädiktives Modellieren innerhalb von Postgres
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis von SQL und relationalen Datenbankkonzepten
- Erfahrung in der Postgres-Verwaltung oder -Entwicklung
- Grunlegendes Vertrautsein mit Prinzipien der KI und des Machine Learnings
Zielgruppe
- Datenbankadministratoren, die KI in Postgres integrieren möchten
- Data Engineers, die KI-gestützte Datenbankpipelines aufbauen
- Entwickler und Architekten, die intelligente, datengetriebene Anwendungen entwerfen
