Ce cours de niveau intermédiaire s’adresse aux professionnels des bases de données, aux ingénieurs en apprentissage automatique et aux spécialistes de l’IA qui doivent développer et maintenir des systèmes LLM hautement performants. Dans le domaine de l’IA à grande échelle, des requêtes lentes et des recherches inefficaces peuvent paralyser un système. Ce cours vous apporte les compétences essentielles pour éviter cela, en mettant l’accent sur des techniques pratiques d’optimisation des bases de données et de la recherche vectorielle.

Vous apprendrez à maîtriser les requêtes SQL paramétrées afin de garantir une récupération des données sécurisée et efficace, et de diagnostiquer les goulots d’étranglement au niveau des performances. Vous vous plongerez ensuite au CORE des systèmes modernes de recherche par IA, en apprenant à ajuster les paramètres de recherche par similarité vectorielle afin de trouver l’équilibre parfait entre le taux de rappel et la latence. Grâce à des travaux pratiques utilisant des outils tels que SQLite, FAISS et Annoy, vous expérimenterez différentes stratégies d’indexation, réglerez les paramètres de l’algorithme HNSW et mesurerez la latence, le débit et l’utilisation des ressources. À l’issue de ce cours, vous serez en mesure d’analyser et d’optimiser systématiquement les systèmes de recherche en production, garantissant ainsi que vos applications d’IA sont non seulement puissantes, mais aussi rapides et fiables. Pour réussir ce cours, il est recommandé d’avoir une bonne connaissance des concepts de base du SQL et des bases de données, ainsi qu’une compréhension des principes de la recherche vectorielle.