Programa del Curso

Introducción

  • ¿Qué son las bases de datos vectoriales?
  • Bases de datos vectoriales vs bases de datos tradicionales
  • Resumen de incrustaciones vectoriales

Generación de Incrustaciones Vectoriales

  • Técnicas para crear incrustaciones desde diferentes tipos de datos
  • Herramientas y bibliotecas para la generación de incrustaciones
  • Mejores prácticas para la calidad y dimensionalidad de las incrustaciones

Indexado y Recuperación en Vector Databases

  • Estrategias de indexado para bases de datos vectoriales
  • Creación y optimización de índices para el rendimiento
  • Algoritmos de búsqueda de similitud y sus aplicaciones

Vector Databases en Machine Learning (ML)

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

Escalabilidad y Rendimiento

  • Desafíos en la escalabilidad de las bases de datos vectoriales
  • Técnicas para bases de datos vectoriales distribuidas
  • Métricas y monitoreo del rendimiento

Trabajo Práctico 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

  • Conocimiento básico de bases de datos y estructuras de datos
  • Familiaridad con los conceptos de aprendizaje automático
  • Experiencia con un lenguaje de programación (preferiblemente Python)

Publico Objetivo

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

Próximos cursos

Categorías Relacionadas