イントロダクション
Azure SQL Database を使用してインテリジェント なアプリケーションを構築するには、リレーショナル データの格納とクエリ以上の作業が必要です。 開発者は、AI モデルを統合し、テキストから埋め込みを生成し、ベクター検索を実行して、セマンティック検索や取得拡張生成 (RAG) などの機能を有効にする必要があります。 Azure SQL Database と Fabric SQL Database では、外部モデル、ベクター データ型、組み込みの AI 関数を通じてこれらの機能がサポートされます。
外部モデルと埋め込みワークフローを組み合わせることで、開発者はデータベース内に直接 AI 機能を追加できます。 このアプローチにより、AI 処理がデータの近くに保持され、類似性検索やコンテンツ取得などのタスクのためにシステム間で情報を移動する必要性が軽減されます。
製品カタログ、顧客レビュー、サポート ドキュメントを管理するために Azure SQL Database を使用してアプリケーションを構築する小売開発チームを想像してみてください。 その作業には、製品の説明から埋め込みを生成し、サポート記事全体でセマンティック検索を有効にし、コンテンツの変更に合わせて埋め込みを最新の状態に保つことが含まれます。 Azure SQL Database で外部モデルと組み込みの AI 関数を使用することで、チームは Transact-SQL 内で完全に作業しながら埋め込みを設計、生成、および維持できます。
このモジュールを完了すると、次のことができるようになります。
- 機能とパフォーマンスの要件に基づいて、SQL データベース ワークロードの AI モデルを評価します。
- Transact-SQL から AI エンドポイントを参照する外部モデルを作成および管理します。
- 適切なチャンク化戦略を使用して埋め込みを設計します。
- 組み込みの SQL AI 関数を使用して埋め込みを生成して格納します。
- 埋め込みをソース データに合わせて維持するメンテナンス 方法を選択します。
Note
私たちは、異なる人々が異なる方法で学ぶのが好きであることを認識しています。 このモジュールをビデオベースの形式で完了するか、コンテンツをテキストと画像として読み取ることができます。 テキストにはビデオよりも詳細な情報が含まれているため、ビデオ プレゼンテーションの補足資料として参照したい場合があります。