Azure Database for PostgreSQL을 사용하여 AI 솔루션 개발

  • 학습 경로
  • 3 모듈

개요

이 학습 경로는 Azure Database for PostgreSQL을 사용하여 AI 솔루션을 개발하는 방법에 대해 설명합니다. 먼저 Microsoft Entra 인증을 사용하여 스키마 디자인, 효율적인 SQL 쿼리 및 보안 Python 통합을 사용하여 데이터 기반을 구축합니다.

그런 다음, pgvector 확장을 사용하여 벡터 검색을 구현하여 포함 항목을 저장하고, 서로 다른 거리 메트릭을 사용하여 유사성 검색을 실행하고, 의미 체계 검색 및 권장 사항에 대해 RAG 파이프라인과 통합되는 검색 패턴을 빌드합니다.

마지막으로 PostgreSQL 및 pgvector 구성을 조정하고, 적절한 벡터 인덱스를 선택하고, 효율적인 데이터 레이아웃을 디자인하고, 대용량 워크로드를 스케일링하고, AI 애플리케이션에 대한 연결 풀링을 구현하여 벡터 검색 성능을 최적화합니다.

사전 요구 사항

  • Python을 사용한 프로그래밍 환경.
  • Azure 서비스 및 클라우드 컴퓨팅 개념에 대한 기본적인 이해
  • 관계형 데이터베이스 및 SQL 기본 사항에 대해 잘 알고 있습니다.
  • 포함 및 유사성 검색을 비롯한 기계 학습 개념 이해

이 학습 경로의 모듈

Azure Database for PostgreSQL을 사용하여 빌드 및 쿼리

Azure Database for PostgreSQL을 사용하여 AI 애플리케이션에 대한 데이터 기반을 빌드하는 방법을 알아봅니다. 스키마를 디자인하고, 효율적인 쿼리를 작성하고, 보안 인증을 사용하여 Python 애플리케이션과 통합합니다.

Azure Database for PostgreSQL을 사용하여 벡터 검색 구현

Azure Database for PostgreSQL에서 pgvector 확장을 사용하여 벡터 검색을 구현하는 방법을 알아봅니다. 포함을 저장하고, 벡터 인덱스를 만들고, AI 애플리케이션에 대한 의미 체계 검색 패턴을 빌드합니다.

Azure Database for PostgreSQL에서 벡터 검색 최적화

pgvector를 사용하여 Azure Database for PostgreSQL에서 벡터 검색 성능을 최적화하는 방법을 알아봅니다. 구성 매개 변수를 조정하고, 벡터 인덱스를 선택 및 구성하고, 효율적인 데이터 레이아웃을 디자인하고, 대량 워크로드를 확장하고, AI 애플리케이션에 대한 연결 풀링을 구현합니다.

시작