Course Outline

Εισαγωγή στο Vector Databases

  • Κατανόηση βάσεων δεδομένων προς επίκτοτοι (vector databases)
  • Κύριεις χαρακτηριστικά και πλεονεκτήματα του Milvus
  • Σύγκριση με παραδοσιακές βάσεις δεδομένων

Κατασκευή Milvus

  • Εγκατάσταση και ρύθμιση
  • Κατανόηση των συνιστών και της αρχιτεκτονικής Milvus
  • Δημιουργία συλλογών και μεριμνήων

Επεξεργασία δεδομένων και Management

  • Στρατηγικές επεξεργασίας συνδέουσης (indexing) στο Milvus
  • Διαχείριση και οптιμизация δεδομένων προς επίκτοτοι
  • Πρακτικά συμπεράσματα για την εισαγωγή δεδομένων

Αναζήτηση και ανάκτηση παρόμοιων στοιχείων

  • Βασικά της αναζήτησης παρόμοιων στοιχείων
  • Πραγματοποίηση λειτουργιών αναζήτησης στο Milvus
  • Περιπτώσεις εφαρμογής: ανάκτηση εικόνων και βίντεο, NLP

Milvus στο Machine Learning (ML)

  • Συμβάν του Milvus με προγράμματα μηχανικής μάθησης
  • Δημιουργία συστημάτων πρότασης
  • Περίπτωσης εφαρμογής: ανίχνευση ανωμαλιών, chatbots

Επέκταση και Παράδοση

  • Καθιστήσιμο του Milvus για μεγάλες συλλογές δεδομένων
  • Διεξαγωγή ρύθμισης και προσβολής απόδοσης
  • Επίτυχη επίβλεψη και συντήρηση

Πραγματοποίηση του Milvus στο AI

  • Δημιουργία λύσης βάσης δεδομένων προς επίκτοτοι
  • Εξέταση και απόδοση

Σύνοψη και Περιορισμοί Επόμενων Μεθόδων

Requirements

  • Βασική κατανόηση των βάσεων δεδομένων
  • Εισαγωγικά γνώριμα AI και μηχανικής μάθησης
  • Υποχρεωτικό είδηση με τους αρχές προγραμματισμού, προτιμώμενα σε Python

Ακροατής

  • Δεδομένων επιστήμονες
  • Λογισμικού αναπτυξιακοί
  • Φανάτες μηχανικής μάθησης
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories