Ein praxisnaher zweitägiger technischer Kurs für Teilnehmende, die neu mit pgvector arbeiten und Vector Search direkt in PostgreSQL integrieren möchten. Die Agenda führt von Extension Setup, Vector Data Types, Embeddings und SQL Similarity Queries über HNSW- und IVFFlat-Indexing, Filtering und Query Optimization bis zu Python Integration, Semantic Search und RAG Applications. Der Kurs konzentriert sich darauf, vertraute relationale Datenbankfunktionen mit effizientem Vector Retrieval zu verbinden.
Sie lernen, wie pgvector PostgreSQL um Vector Storage, Similarity Operators und Approximate-Nearest-Neighbor-Indexing erweitert. Sie arbeiten mit Embeddings, SQL Vector Queries, HNSW- und IVFFlat-Indexes, Filtering, Execution Plans und Performance Tuning. Zusätzlich lernen Sie, pgvector mit Python Applications zu integrieren und PostgreSQL als Retrieval Layer für Semantic Search und RAG Systems einzusetzen.
*Wir passen den Kursaufbau und die Inhalte an Ihre spezifischen Anforderungen und relevanten Anwendungsfälle an.
Modul 1: pgvector Architektur und Setup
Modul 2: Embeddings und SQL Vector Queries
Modul 3: HNSW und IVFFlat Indexing
Modul 4: Filtering und Query Optimization
Modul 5: Python Integration mit pgvector
Modul 6: Semantic Search Applications entwickeln
Modul 7: pgvector in RAG Architectures
Modul 8: Performance und Production Considerations
Praxisnahes Lernen mit erfahrenen Trainern an Ihrem Standort für Organisationen.
Neue Fähigkeiten erlernen, angeleitet von erfahrenen Trainern von überall.