コース概要

PostgresのAI入門

  • AIとデータドリブンシステムの概要
  • Postgres環境でのAIユースケース
  • AIワークロード向けのアーキテクチャ検討事項

環境設定

  • PostgreSQLのインストールとpgvectorの構成
  • AI統合用Pythonのセットアップ
  • PostgresをローカルおよびクラウドベースのLLMに接続する

AI拡張機能とベクターデータベース

  • Postgresにおけるベクトルエンベディングの理解
  • pgvectorを使用した類似性検索と意味的なクエリ
  • AI拡張機能と外部ベクターストアのベンチマーク

LLMをPostgresに統合する

  • OpenAI、Deepseek、Qwen、Mistral SmallとPostgresの接続
  • AIクエリパイプラインの設計
  • エンベディングを効率的に格納および取得する

智能化されたクエリシステムの構築

  • LLMを使用した自然言語からSQLへの変換
  • クエリ生成と最適化の自動化
  • AI支援のデータベース検索と要約

PostgresをAIワークロード向けに最適化する

  • エンベディング用のインデックス戦略
  • AIクエリのパフォーマンスチューニングとキャッシュ
  • 分散およびクラウドアーキテクチャを使用したPostgresのスケーリング

AI対応データベースのセキュリティとガバナンス

  • データプライバシーとコンプライアンスの検討事項
  • APIキーとアクセス制御の管理
  • AIインタラクションとクエリログの監査

ケーススタディとエンタープライズユースケース

  • Postgresを使用したAI駆動の推奨システム
  • エンベディングを使用したエンタープライズ検索と分析
  • Postgres内の自動化と予測モデリング

まとめと次なるステップ

要求

  • SQLとリレーショナルデータベースの概念への理解
  • Postgres管理または開発の経験
  • AIと機械学習の基本的な知識

対象者

  • PostgresにAIを統合したいデータベース管理者
  • AI駆動のデータパイプラインを構築するデータエンジニア
  • インテリジェントなデータドリブンアプリケーションを設計する開発者とアーキテクト
 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