AI i ML w PostgreSQL - Zobaczysz, jak wykorzystać PostgreSQL jako praktyczne środowisko dla rozwiązań AI i ML, aby świadomie dobierać architekturę, rozszerzenia i scenariusze użycia w swoich projektach.
Praca z embeddingami - Nauczysz się instalować i używać pgvector, zapisywać embeddingi w bazie oraz porównywać je metrykami podobieństwa, dzięki czemu przygotujesz wyszukiwanie semantyczne i rekomendacje.
Python w funkcjach bazy - Dowiesz się, jak połączyć PostgreSQL z Pythonem i uruchamiać logikę ML z poziomu funkcji, aby automatyzować klasyfikację, przetwarzanie danych i wybrane zadania analityczne.
Przygotowanie danych SQL - Przećwiczysz transformacje danych w SQL oraz eksport do plików treningowych, więc sprawnie przygotujesz zbiory wejściowe do modeli bez budowania osobnych, złożonych pipeline’ów.
Integracja z usługami AI - Poznasz sposób łączenia PostgreSQL z API OpenAI, Azure AI i Hugging Face, aby wywoływać zewnętrzne modele z procesów bazodanowych i rozszerzać aplikacje o analizę tekstu.
Baza wektorowa w praktyce - Zrozumiesz, jak użyć PostgreSQL jako wektorowej bazy danych, dzięki czemu wdrożysz podobieństwo semantyczne, wyszukiwanie kontekstowe i obsługę danych dla nowoczesnych aplikacji AI.
Case study obsługi zgłoszeń - Na przykładzie obsługi zgłoszeń zobaczysz, jak łączyć dane relacyjne, embeddingi i modele AI, aby szybciej klasyfikować sprawy, wyszukiwać podobne przypadki i wspierać pracę zespołu.
Budowa agenta AI - Przeanalizujesz proces tworzenia agenta AI do analizy objawów chorobowych, co pomoże Ci zrozumieć integrację danych, modeli i logiki aplikacyjnej w realistycznym scenariuszu wdrożenia.
Znajomość PostgreSQL - Powinieneś swobodnie pisać podstawowe zapytania SQL w PostgreSQL, rozumieć tabele, relacje i operacje na danych, aby skupić się na elementach AI i ML.
Podstawy pracy z Pythonem - Powinieneś znać podstawy Pythona, w tym uruchamianie skryptów, pracę z bibliotekami i prostą składnię, bo część ćwiczeń dotyczy integracji PostgreSQL z Pythonem.
Podstawy danych i API - Powinieneś rozumieć, jak działa wymiana danych w formatach takich jak JSON oraz znać podstawy wywołań API, aby łatwiej pracować z usługami AI-as-a-Service.
Podstawy analizy danych - Powinieneś rozumieć podstawowe pojęcia związane z przygotowaniem danych, takie jak filtrowanie, agregacja i transformacja, bo będą one potrzebne w ćwiczeniach SQL.
