お問い合わせ

コース概要

PostgresにおけるAIの基礎知識

  • AIおよびデータ駆動型システムについて概説する
  • Postgres環境内でのAI利用事例を紹介する
  • AIワークロード用のアーキテクチャ設計上の留意点について説明する

環境構築方法

  • PostgreSQLのインストールおよびpgvectorの設定手順を解説する
  • AI統合用にPython環境を準備する方法を示す
  • ローカル環境内やクラウド上にあるLLMへPostgresを接続する手順を説明する

AI拡張機能およびベクトルデータベースについて

  • Postgresにおけるベクトルエンベディングの仕組みを理解する
  • pgvectorを用いた類似性検索やセマンティッククエリの実装法を学ぶ
  • 各種AI拡張機能と外部ベクトルストアとの比較分析を行う

PostgresとLLMの統合手法

  • PostgresをOpenAI、Deepseek、Qwen、Mistral SmallといったLLMと連携させる手順を説明する
  • AIクエリ処理用パイプラインの設計方法について学ぶ
  • 効率的なエンベディングの保存・検索テクニックを習得する

知能型クエリシステムの構築法

  • LLMを用いた自然言語からSQLへの変換方法を説明する
  • 自動化されたクエリ生成および最適化の仕組みについて学ぶ
  • AI技術を用いたデータベース検索・要約の実装方法を解説する

PostgresにおけるAIワークロード最適化法

  • ​エンベディング用のインデックス構成戦略について学ぶ
  • 効率的なAIクエリ処理のためのパフォーマンスチューニングやキャッシュ手法を紹介する
  • ​分散型またはクラウドベースアーキテクチャを用いたPostgresスケール拡張法を示す

知能化データベースにおけるセキュリティおよびガバナンス

  • ​データプライバシーおよびコンプライアンス対策に関する基本事項を述べる
  • APIキーの管理やアクセス制御の実装方法について解説する
  • 各種AI関連操作やクエリ履歴を監査する手法を紹介する

具体的な事例および企業での利用例について

  • Postgresを用いたおすすめ機能の実現法を説明する
  • エンベディング技術が活用される企業向け検索・分析システムについて学ぶ
  • Postgres環境内での自動化処理および予測モデリングの実例を紹介する

講座のまとめおよび今後の学習指針

要求

  • SQLおよびリレーショナルデータベースの基礎知識があること
  • Postgresの管理または開発経験があること
  • AIおよび機械学習の基本概念に基本的な理解があること

対象者

  • PostgresへAI機能を導入したいデータベース管理者
  • AI駆動型のデータベースパイプライン構築に携わるデータエンジニア
  • 知能化されたデータ利用型アプリケーションを設計する開発者やアーキテクト
 21 時間

参加者の人数


参加者1人あたりの価格

今後のコース

関連カテゴリー