Wykorzystanie AI w PostgreSQL
kod szkolenia: pgSQL-AI / PL DL 2d
Szkolenie "Wykorzystanie AI w PostgreSQL" koncentruje się na integracji baz danych z technologiami sztucznej inteligencji i uczenia maszynowego. Uczestnicy poznają, jak wykorzystywać PostgreSQL w projektach AI/ML, łącząc bazę danych z Pythonem i korzystając z rozszerzenia pgvector do przetwarzania danych. Kurs obejmuje również integrację z popularnymi usługami AI, takimi jak OpenAI i Hugging Face, oraz wykorzystanie AI do automatyzacji codziennej pracy z SQL. Podczas szkolenia omówione zostaną tematy takie jak uruchamianie modeli ML w PostgreSQL, tworzenie zaawansowanego wyszukiwania semantycznego, a także wspomaganie pracy z zapytaniami SQL przy użyciu AI. Praktyczne warsztaty pozwolą uczestnikom na zastosowanie zdobytej wiedzy w rzeczywistych scenariuszach.
Pokazać możliwości PostgreSQL jako silnika wspierającego AI – zarówno poprzez rozszerzenia, jak i integrację z Pythonem, Jupyterem czy narzędziami AI.
Podczas szkolenia uczestnicy:
- Zdobędą praktyczne umiejętności integracji PostgreSQL z AI i ML – nauczą się, jak wykorzystywać PostgreSQL w projektach opartych o uczenie maszynowe i sztuczną inteligencję.
- Poznają rozszerzenie pgvector i wektorowe przetwarzanie danych – dowiedzą się, jak przechowywać i porównywać embeddingi oraz budować wyszukiwanie semantyczne, np. klasyfikacji tekstu.
- Będą potrafili łączyć PostgreSQL z Pythonem – nauczą się uruchamiać kod ML z poziomu bazy danych i używać modeli do scoringu bezpośrednio w SQL.
- Otrzymają wiedzę o integracji PostgreSQL z usługami AI (np. OpenAI, Hugging Face) – dowiedzą się, jak połączyć bazę danych z zewnętrznymi modelami językowymi i klasyfikatorami przez REST API.
- Usprawnią codzienną pracę z bazą danych dzięki narzędziom opartym o AI – poznają praktyczne zastosowania AI wspomagającego tworzenie zapytań, dokumentowanie kodu SQL i analizę danych.
- PostgreSQL + AI – fundamenty i rozszerzenia
- Wprowadzenie
- Możliwości PostgreSQL w kontekście AI/ML
- Scenariusze zastosowań
- pgvector – AI w praktyce
- Instalacja i zastosowanie rozszerzenia pgvector
- Przechowywanie wektorów embeddingów
- Wyszukiwanie podobieństwa (nearest neighbors)
- PostgreSQL + Python (PL/Python)
- Instalacja i konfiguracja PL/Python
- Użycie modeli ML z poziomu funkcji w PostgreSQL
- Przykład: prosty scoring w Pythonie w bazie
- Przygotowanie danych do AI
- Transformacje danych w SQL
- Zapis danych do plików do trenowania modeli
- Współpraca z Pandas i scikit-learn
- Integracje, wektory, generatywna AI
- PostgreSQL + AI-as-a-Service
- REST API z OpenAI / Azure AI / Hugging Face
- Integracja PostgreSQL z zewnętrznymi modelami (np. do klasyfikacji tekstu)
- PostgreSQL jako wektorowa baza danych
- Use-case: wyszukiwanie semantyczne (text similarity)
- Budowanie chatbotów z wykorzystaniem pgvector + embeddingi OpenAI
- AI wspomagający pracę z SQL
- GitHub Copilot, Open AI
- AI do generowania zapytań, interpretacji wyników, automatyzacji
- Praktyczne case study
- Projekt z użyciem poznanych narzędzi
- Q&A
.Swobodne poruszanie się w języku SQL.
- 2 dni pracy z trenerem
- Nadzór trenera
- Kontakt ze społecznością
- Podręcznik w wersji elektronicznej
- Środowisko laboratoryjne
Metoda szkolenia
- wykład
- warsztaty
- Szkolenie: polski
- Materiały: polski