В высоконагруженных системах он всё чаще становится частью AI-архитектуры — с векторами, семантическим поиском и RAG-паттернами прямо на уровне БД.
На открытом уроке разберём, как PostgreSQL может:
- работать вместе с AI-моделями: хранить эмбеддинги, участвовать в семантическом поиске,
- быть частью RAG-архитектур и выполнять ML-логику внутри базы.
- отдельно обсудим расширения pgvector, pgai и lantern
- обсудим реальные сценарии для production-систем.
Вы увидите где AI в базе данных действительно оправдан, а где создаёт риски по латентности, масштабированию и поддержке.
Разберём архитектурные trade-off’ы, работу с kNN-поиском и подходы к интеграции AI в бизнес-логику через триггеры и функции.
Регистрация открыта: https://vk.cc/cTNllI
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576
Please open Telegram to view this post
VIEW IN TELEGRAM
📚 Основы алгоритмов на одной шпаргалке
Хочешь разобраться, чем массив отличается от хеш-таблицы? Этот шпаргалка — для тебя.
✍️ 9 ключевых структур данных:
🟢 Массив
🟢 Стек
🟢 Очередь и дек
🟢 Хеш-таблица
🟢 Связанный список
🟢 Двоичное дерево поиска
🟢 Граф
✔️ Для каждой:
🟣 Простое объяснение
🟣 Примеры
🟣 Основные задачи и особенности
Хочешь разобраться, чем массив отличается от хеш-таблицы? Этот шпаргалка — для тебя.
✍️ 9 ключевых структур данных:
✔️ Для каждой:
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6👍3