课程简介
与AI大模型的深度融合的向量数据库,将为大模型提供必要的数据管理和检索能力,特别是在处理大规模多模态数据时,成为大模型不可或缺的部分。在增强学习、联邦学习等新型AI模型训练方法中,向量数据库的实时数据处理能力将发挥关键作用。它的技术革新处理高维数据能力强大,随着深度学习模型的复杂度增加,代表着其超强的性能。这种跨模态数据处理,更好地支持文本、图像、音频等不同类型的数据进行统一处理和分析。
从应用发展上看,当前的推荐系统、图像检索等领域拓展到更多垂直行业,包括医疗健康、金融分析等高价值领域。与物联网(IoT)、自动驾驶等新兴技术的深度融合,向量数据库将作为这些领域数据处理和分析的重要基础设施。
本次分享将探讨向量数据库在AI大时代作为新一代软件栈核心组件的重要性,以及腾讯云向量数据库的现状和特性。这些基于向量数据库实现产品级别的功能特性,对向量数据库未来发展至关重要,希望帮助向量数据库、RAG感兴趣的开发者,将技术革新更好的融入到产品核心功能。
课程收益
1、帮助学员了解AI时代向量数据库的特性与定位
2、帮助学员了解腾讯在典型行业应用案例与应用
3、帮助学员掌握RAG实践高处理技巧
受众人群
企业管理者,IT行业从业者及其他对向量数据库感兴趣的人员
课程周期
3H
课程大纲
标题 | 授课内容 |
一、AI时代向量数据库的定位 | 1. AI时代新的Software Stack 2. Embedding Everything 3. 向量数据库在AI领域应用 |
二、腾讯云向量数据介绍 | 1. 源自集团多年沉淀,产品能力领先 2. 性能、规模大幅领先 3. 加速多源异构数据接入--数据采集平台 4. 数据采集平台大幅提升召回率 |
三、RAG实践与挑战 | 1. 入门易、效果难 2. 典型的Bad case 3. 效果提升关键点 4. 数据处理阶段-拆分 5. Embedding的原理和选型 6. Embedding增强处理 7. 检索阶段-多路找回ReRank 8. 内部案例:腾讯会议AI小助手 9. 外部案例:某教育头部客户基于RAG的智能教辅方案 |