소개
Azure SQL Database를 사용하여 지능형 애플리케이션을 빌드하려면 관계형 데이터를 저장하고 쿼리하는 것 이상의 작업이 포함됩니다. 개발자는 AI 모델을 통합하고, 텍스트에서 포함을 생성하고, 벡터 검색을 수행하여 의미 체계 검색 및 RAG(검색 증강 세대)와 같은 기능을 사용하도록 설정해야 합니다. Azure SQL Database 및 패브릭 SQL 데이터베이스는 외부 모델, 벡터 데이터 형식 및 기본 제공 AI 함수를 통해 이러한 기능을 지원합니다.
외부 모델과 포함 워크플로를 함께 사용하면 개발자가 데이터베이스 내에서 직접 AI 기능을 추가할 수 있습니다. 이 방법은 AI 처리를 데이터에 가깝게 유지하고 유사성 검색 또는 콘텐츠 검색과 같은 작업을 위해 시스템 간에 정보를 이동할 필요성을 줄입니다.
Azure SQL Database를 사용하여 제품 카탈로그, 고객 검토 및 지원 설명서를 관리하는 애플리케이션을 빌드하는 소매 개발 팀을 상상해 보십시오. 해당 작업에는 제품 설명에서 임베딩을 생성하고, 지원 문서에서 의미론적 검색을 가능하게 하며, 콘텐츠가 변경될 때 임베딩을 최신 상태로 유지하는 작업이 포함된다. 팀은 Azure SQL Database에서 외부 모델 및 기본 제공 AI 함수를 사용하여 Transact-SQL 내에서 전적으로 작업하면서 포함을 디자인, 생성 및 유지 관리할 수 있습니다.
이 모듈을 완료하면 다음을 수행할 수 있습니다.
- 기능 및 성능 요구 사항에 따라 SQL 데이터베이스 워크로드에 대한 AI 모델을 평가합니다.
- Transact-SQL에서 AI 엔드포인트를 참조하는 외부 모델을 만들고 관리합니다.
- 적절한 청크 전략을 사용하여 임베딩을 설계합니다.
- 기본 제공 SQL AI 함수를 사용하여 포함을 생성하고 저장합니다.
- 원본 데이터와 일치하는 포함을 유지하려면 유지 관리 방법을 선택합니다.
메모
우리는 다른 사람들이 다른 방법으로 배우는 것을 좋아한다는 것을 알고 있습니다. 이 모듈을 비디오 기반 형식으로 완료하도록 선택하거나 콘텐츠를 텍스트 및 이미지로 읽을 수 있습니다. 텍스트는 비디오보다 더 자세한 내용을 포함하므로 경우에 따라 비디오 프레젠테이션에 대한 추가 자료로 참조할 수 있습니다.