Hubungi Kami

Kerangka Materi

Pengantar mengenai:

  • vektor
  • embedding vektor AI
  • model embedding AI populer
  • pencarian semantik
  • pengukuran jarak

Gambaran umum teknik penyusunan indeks vektor:

  • Indeks IVFFlat
  • Indeks HNSW

Ekstensi PgVector untuk PostgreSQL:

  • cara menginstal
  • penyimpanan dan pengambilan vektor berdimensi tinggi
  • pengukuran jarak
  • pemanfaatan indeks vektor

Ekstensi PgAI untuk PostgreSQL:

  • cara menginstal
  • proses pembuatan embedding
  • penerapan teknik Retrieval-Augmented Generation
  • pola pengembangan tingkat lanjut

Gambaran umum solusi Text-to-SQL: kerangka kerja LangChain

Hasil belajar: Setelah menyelesaikan kursus ini, peserta diharapkan mampu:

  • merencanakan dan membangun komponen aplikasi basis data yang memanfaatkan teknologi AI dengan bantuan ekstensi serta perpustakaan PostgreSQL.
  • memperoleh pengalaman praktis dalam mengintegrasikan model bahasa besar (LLM) serta pencarian berbasis vektor ke dalam sistem nyata, sehingga mampu mengembangkan aplikasi seperti mesin pencari semantik, asisten AI, dan antarmuka basis data berbahasa alami.

Persyaratan

Pemahaman dasar mengenai SQL, pengalaman dasar dalam mengelola PostgreSQL, serta pengetahuan dasar tentang bahasa pemrograman Python atau JavaScript

Calon peserta: pengembang basis data dan arsitek sistem

 14 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (2)

Kursus Mendatang

Kategori Terkait