Contacta con nosotros

Temario del curso

Introducción

  • ¿Qué son las bases de datos vectoriales?
  • Bases de datos vectoriales frente a bases de datos tradicionales
  • Descripción general de los embebidos vectoriales

Generación de Embebidos Vectoriales

  • Técnicas para crear embebidos a partir de varios tipos de datos
  • Herramientas y bibliotecas para la generación de embebidos
  • Mejores prácticas para la calidad de los embebidos y la dimensionalidad

Indexación y Recuperación en Bases de Datos Vectoriales

  • Estrategias de indexación para bases de datos vectoriales
  • Construcción y optimización de índices para mejorar el rendimiento
  • Algoritmos de búsqueda de similitud y sus aplicaciones

Bases de Datos Vectoriales en Aprendizaje Automático (AA)

  • Integración de bases de datos vectoriales con modelos de AA
  • Solución de problemas comunes al integrar bases de datos vectoriales con modelos de AA
  • Casos de uso: sistemas de recomendación, recuperación de imágenes, PNL
  • Estudios de caso: implementaciones exitosas de bases de datos vectoriales

Escalabilidad y Rendimiento

  • Desafíos para escalar bases de datos vectoriales
  • Técnicas para bases de datos vectoriales distribuidas
  • Métricas de rendimiento y monitoreo

Trabajo en Proyecto y Estudios de Caso

  • Proyecto práctico: Implementación de una solución de base de datos vectorial
  • Revisión de investigaciones y aplicaciones de vanguardia
  • Presentaciones grupales y retroalimentación

Resumen y Próximos Pasos

Requerimientos

  • Conocimientos básicos de bases de datos y estructuras de datos
  • Familiaridad con conceptos de aprendizaje automático
  • Experiencia con un lenguaje de programación (preferiblemente Python)

Público objetivo

  • Científicos de datos
  • Ingenieros de aprendizaje automático
  • Desarrolladores de software
  • Administradores de bases de datos
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas