Les bases de données vectorielles jouent un rôle essentiel dans divers domaines, tels que le traitement du langage naturel, la reconnaissance d'images, les systèmes de recommandation et la recherche sémantique, et ont gagné en importance avec l'adoption croissante des LLM.

Ces bases de données sont exceptionnellement précieuses car elles fournissent aux LLM l'accès à des données propriétaires en temps réel, permettant le développement d'applications de Génération Augmentée de Récupération (RAG). A la base, les bases de données vectorielles reposent sur l'utilisation d'embeddings pour capturer le sens des données et jauger la similarité entre différentes paires de vecteurs et passer au crible de vastes ensembles de données, en identifiant les vecteurs les plus similaires. Ce cours vous aidera à acquérir les connaissances nécessaires pour prendre des décisions éclairées quant à l'utilisation des bases de données vectorielles dans vos applications. Vous explorerez : 1. Comment utiliser les bases de données vectorielles et les LLM pour mieux comprendre vos données. 2. Construire des laboratoires qui montrent comment former des embeddings et utiliser plusieurs techniques de recherche pour trouver des embeddings similaires. 3. Explorer les algorithmes pour des recherches rapides dans de vastes ensembles de données et construire des applications allant de RAG à la recherche multilingue.