에피소드
안락의자 설계자: LLM 및 벡터 데이터베이스(1부)
다음과 같이 바꿉니다. David Blank-Edelman, Uli Homann, Eric Charran
벡터 데이터베이스는 많은 양의 고차원 벡터 데이터를 효율적으로 저장, 관리 및 인덱싱하여 가장 가까운 인접 항목과 같은 다양한 유형의 쿼리에 도움이 되도록 설계되었습니다. #AzureEnblementShow 이 에피소드에서 Uli, Eric 및 David는 벡터 데이터베이스가 데이터를 정수로 변환하는 방법, 벡터 데이터베이스의 사용 사례 중 일부 및 포함의 이점에 대해 설명합니다. 이는 2부로 구성된 시리즈 중 1부입니다.
장
- 00:00 - 소개
- 00:38 - 정수로 저장된 데이터
- 01:30 - 숫자 데이터로 변환된 텍스트
- 02:29 - 벡터는 새 항목이 아닙니다.
- 03:47 - 사용 사례
- 05:02 - 포함의 이점
- 07:40 - 의미 체계 개념 벡터화
- 08:38 - 2부 티저
권장되는 리소스
- Azure AI Search의 벡터 검색
- 지리 공간적 데이터 처리 및 분석
- Microsoft Azure AI 기본 사항: 자연어 처리
- Azure Database for PostgreSQL
- Azure AI Studio의 흐름에 대한 벡터 DB 조회 도구
관련 에피소드
벡터 데이터베이스는 많은 양의 고차원 벡터 데이터를 효율적으로 저장, 관리 및 인덱싱하여 가장 가까운 인접 항목과 같은 다양한 유형의 쿼리에 도움이 되도록 설계되었습니다. #AzureEnblementShow 이 에피소드에서 Uli, Eric 및 David는 벡터 데이터베이스가 데이터를 정수로 변환하는 방법, 벡터 데이터베이스의 사용 사례 중 일부 및 포함의 이점에 대해 설명합니다. 이는 2부로 구성된 시리즈 중 1부입니다.
장
- 00:00 - 소개
- 00:38 - 정수로 저장된 데이터
- 01:30 - 숫자 데이터로 변환된 텍스트
- 02:29 - 벡터는 새 항목이 아닙니다.
- 03:47 - 사용 사례
- 05:02 - 포함의 이점
- 07:40 - 의미 체계 개념 벡터화
- 08:38 - 2부 티저
권장되는 리소스
- Azure AI Search의 벡터 검색
- 지리 공간적 데이터 처리 및 분석
- Microsoft Azure AI 기본 사항: 자연어 처리
- Azure Database for PostgreSQL
- Azure AI Studio의 흐름에 대한 벡터 DB 조회 도구
관련 에피소드
비디오 URL
HTML iframe
의견이 있으신가요? 여기에서 문제를 제출합니다.