Il corso Build AI Apps with Azure Database for PostgreSQL (AI-3019) è un programma di formazione di 1 giorno focalizzato sulla creazione di applicazioni basate sull’AI con PostgreSQL. I partecipanti impareranno la ricerca vettoriale, pgvector, l’integrazione con Azure OpenAI e i pattern RAG utilizzando Azure Database for PostgreSQL. Erogato da Esamatic srl, Microsoft Learning Partner a Milano, con Microsoft Certified Trainers.
PostgreSQL è emerso come database di riferimento per le applicazioni AI grazie alla sua estensibilità e all’estensione pgvector per la ricerca di similarità vettoriale. Questo corso insegna ai partecipanti a combinare Azure Database for PostgreSQL con Azure OpenAI per costruire applicazioni intelligenti che sfruttano embeddings vettoriali, ricerca semantica e pattern RAG per risposte AI accurate e contestualizzate.
Questo corso è ideale per sviluppatori backend, amministratori di database, ingegneri AI e sviluppatori full-stack che vogliono costruire applicazioni AI utilizzando PostgreSQL su Azure.
I database vettoriali e le architetture RAG sono fondamentali per le applicazioni AI moderne. I professionisti che sanno combinare competenze di database con integrazione AI sono molto ricercati mentre le organizzazioni costruiscono soluzioni AI basate sulla conoscenza.
No. Il corso introduce i concetti di ricerca vettoriale da zero, incluso cosa sono gli embeddings, come funziona la similarità vettoriale e come pgvector estende PostgreSQL con queste capacità.
PostgreSQL con pgvector consente alle organizzazioni di aggiungere capacità di ricerca vettoriale all’infrastruttura PostgreSQL esistente, evitando la complessità di gestire un database vettoriale separato e sfruttando l’ecosistema maturo di PostgreSQL.
Sì. Il corso include indicazioni su strategie di indicizzazione, ottimizzazione delle query, connection pooling e pattern di scalabilità per applicazioni AI in produzione su Azure Database for PostgreSQL.
Si costruiranno applicazioni di ricerca semantica, sistemi di question-answering con RAG e motori di raccomandazione che combinano similarità vettoriale con query SQL tradizionali.
