Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Introdução
- O que são bases de dados vetoriais?
- Bases de dados vetoriais vs. bancos de dados tradicionais
- Visão geral dos embeddings vetoriais
Gerando Embeddings Vetoriais
- Técnicas para criar embeddings a partir de diversos tipos de dados
- Ferramentas e bibliotecas para geração de embeddings
- Melhores práticas para qualidade e dimensionalidade dos embeddings
Indexação e Recuperação em Bases de Dados Vetoriais
- Estratégias de indexação para bases de dados vetoriais
- Construção e otimização de índices para melhor desempenho
- Algoritmos de busca por similaridade e suas aplicações
Bases de Dados Vetoriais em Machine Learning (ML)
- Integração de bases de dados vetoriais com modelos de ML
- Solução de problemas comuns ao integrar bases de dados vetoriais com modelos de ML
- Casos de uso: sistemas de recomendação, recuperação de imagens, PLN
- Estudos de caso: implementações bem-sucedidas de bases de dados vetoriais
Escalabilidade e Desempenho
- Desafios ao escalar bases de dados vetoriais
- Técnicas para bases de dados vetoriais distribuídas
- Métricas de desempenho e monitoramento
Trabalho em Projeto e Estudos de Caso
- Projeto prático: Implementação de uma solução com base de dados vetorial
- Revisão de pesquisas e aplicações de ponta
- Apresentações em grupo e feedback
Resumo e Próximos Passos
Requisitos
- Conhecimento básico de bancos de dados e estruturas de dados
- Familiaridade com conceitos de machine learning
- Experiência com uma linguagem de programação (preferencialmente Python)
Público-Alvo
- Cientistas de dados
- Engenheiros de machine learning
- Desenvolvedores de software
- Administradores de banco de dados
14 Horas
