Kontakt aufnehmen

Schulungsübersicht

Einführung

  • Was sind Vektordatenbanken?
  • Vektordatenbanken im Vergleich zu herkömmlichen Datenbanken
  • Überblick über Vektor-Embeddings

Erzeugung von Vektor-Embeddings

  • Techniken zur Erstellung von Embeddings aus verschiedenen Datentypen
  • Tools und Bibliotheken zur Generierung von Embeddings
  • Best Practices für die Qualität und Dimensionalität von Embeddings

Indexierung und Abruf in Vektordatenbanken

  • Indexierungsstrategien für Vektordatenbanken
  • Erstellung und Optimierung von Indizes für die Leistung
  • Algorithmen zur Ähnlichkeitssuche und deren Anwendungen

Vektordatenbanken im Machine Learning (ML)

  • Integration von Vektordatenbanken in ML-Modelle
  • Fehlerbehebung bei häufigen Problemen bei der Integration von Vektordatenbanken mit ML-Modellen
  • Anwendungsfälle: Empfehlungssysteme, Bildabruf, NLP
  • Fallstudien: erfolgreiche Implementierungen von Vektordatenbanken

Skalierbarkeit und Leistung

  • Herausforderungen beim Skalieren von Vektordatenbanken
  • Techniken für verteilte Vektordatenbanken
  • Leistungsindikatoren und Überwachung

Projektarbeit und Fallstudien

  • Praktisches Projekt: Implementierung einer Vektordatenbank-Lösung
  • Überprüfung neuester Forschungsergebnisse und Anwendungen
  • Gruppenpräsentationen und Feedback

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundkenntnisse in Datenbanken und Datenstrukturen
  • Vertrautheit mit Machine-Learning-Konzepten
  • Erfahrung mit einer Programmiersprache (vorzugsweise Python)

Zielgruppe

  • Data Scientists
  • Machine Learning Engineers
  • Softwareentwickler
  • Datenbankadministratoren
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien