本章主要讲解大语言模型的知识获取、语言与知识分区，以及实践性思考，由张奇老师深入分析大模型在知识处理和应用方面的核心技术与实际应用策略。
本章主要讲解生成式搜索背后的概率原理，信息检索的基础，以及从统计模型到深度学习模型的演进。同时探讨Milvus向量数据库在处理稠密向量方面的应用，并展望向量数据库的未来发展。
本章主要讲解向量检索的基础知识、大模型时代向量数据库的角色定位，腾讯云VectorDB的架构和AI原生能力，以及向量数据库面临的未来挑战，由伍旭飞老师深入分析。
本章主要讲解在大模型时代向量检索的必要性，如何利用向量检索增强大模型，向量数据库构建方法，大模型对话交互技术，以及实际落地案例和Demo演示，由施晨老师提供深入分析和个人思考。
本章主要讲解向量数据库的应用概述，深入百度BES的工程实践、向量检索示例及应用案例介绍，由刘轩老师全面展示百度在向量数据库领域的技术应用与实践成果。
本章主要讲解火山引擎向量数据库VikingDB的产生背景、技术演进，并探讨其在大模型场景中的应用现状与未来发展趋势，由高丽萍老师深入分析。
本章主要讲解DingoDB的简介、技术架构及其优势，并探讨DingoDB与大模型结合的最佳应用实践，由焦悦光老师全面介绍。
本章主要讲解AwaDB的背景、特点、整体架构、核心能力、技术创新点，并提供实操指南和结合RAG的最新实践，由李洁老师深入介绍并解答相关问题。
本章主要讲解Embedding模型的背景、在RAG范式下的应用，以及GTE Embedding Model的详细介绍，由龙定坤老师深入剖析。
本章主要讲解文本的向量表示方法，探讨RAG应用中向量模型长度限制的问题，并介绍jina-embeddings-v2技术在打破长度限制方面的新进展，由王楠老师详细阐述。
本章通过圆桌讨论形式，深入分析大模型时代向量数据库的新趋势、挑战与机遇，探讨其未来发展的多个维度，为听众提供全面的行业洞察。
本章主要讲解金融大模型的定位、愿景及其与知识库的结合，分享落地实践经验，并对未来发展趋势进行展望，由谭力鸣老师深入分析。
本章主要讲解当前企业知识库建设的困境，介绍向量数据库作为知识管理的新方式，探讨提高数据召回准确率的方法，并对未来企业知识库的发展方向进行展望。
本章主要讲解使用向量数据库快速构建本地轻量图片搜索引擎的场景简述、原理阐释、技术选型、实现步骤、能力验证以及最终的回顾与总结。
本章主要讲解向量数据库在大模型时代的应用，包括技术原理、实际用例分析，以及如何有效整合向量数据库以支持大模型的高效运作和发展。
选课、学习遇到问题？
扫码添加指导老师 1V1 帮助你！
添加后老师会第一时间解决你的问题
