Desarrollo de soluciones de inteligencia artificial con Azure Cosmos DB para NoSQL

  • Ruta de aprendizaje
  • 3 Módulos

En un vistazo

Esta ruta de aprendizaje le guía a través del desarrollo de soluciones de inteligencia artificial mediante Azure Cosmos DB para NoSQL. Para empezar, cree una base de datos con el modelo de recursos de Cosmos DB, la integración del SDK, las operaciones CRUD y las consultas SQL para recuperar datos de documentos para aplicaciones de inteligencia artificial.

A continuación, implementará funcionalidades de búsqueda vectorial para almacenar incrustaciones, ejecutar consultas de similitud mediante la función VectorDistance, combinar la búsqueda vectorial con filtros de metadatos y búsqueda híbrida y usar la fuente de cambios para mantener sincronizadas las incrustaciones.

Por último, puede optimizar el rendimiento de las consultas mediante el análisis de patrones de consulta, la configuración de índices compuestos y rangos, la selección de tipos de índice vectoriales y la elección de niveles de coherencia que equilibran la actualización con la eficacia de los costos.

Requisitos previos

  • Experiencia de programación con Python.
  • Conocimientos básicos de los servicios de Azure y los conceptos de informática en la nube.
  • Familiaridad con las estructuras de documentos JSON.
  • Descripción de los conceptos de aprendizaje automático, incluidas las inscrusciones y la búsqueda de similitud.

Módulos en esta ruta de aprendizaje

Creación de consultas para Azure Cosmos DB para NoSQL

Aprenda a conectarse a Azure Cosmos DB para NoSQL mediante el SDK, realizar operaciones de datos en elementos y escribir consultas SQL eficaces para recuperar datos de documentos para aplicaciones de inteligencia artificial.

Implementación de la búsqueda de vectores en Azure Cosmos DB para NoSQL

Obtenga información sobre cómo almacenar incrustaciones de vectores, ejecutar consultas de similitud mediante la función VectorDistance, combinar la búsqueda vectorial con filtros de metadatos y búsqueda híbrida, y usar la fuente de cambios para mantener sincronizadas las incrustaciones.

Optimización del rendimiento de las consultas para Azure Cosmos DB para NoSQL

Obtenga información sobre cómo optimizar el rendimiento de las consultas mediante el análisis de patrones de consulta, la configuración de índices compuestos y rangos, la selección de tipos de índice vectoriales y la elección de niveles de coherencia que equilibran la actualización con la eficacia de los costos.

Inicio