Come si può trasformare Aurora PostgreSQL in un vector database grazie a pgvector? Come si automatizza la generazione dei vector embeddings usando Amazon Bedrock? Quali sono i cinque approcci architetturali — dal più semplice al più scalabile — per mantenere gli embeddings sempre aggiornati quando i dati cambiano? Quando conviene un approccio sincrono e quando invece è meglio disaccoppiare con Lambda, SQS o pg_cron? Oggi ne parliamo con Domenico Di Salvia, Specialist Solutions Architect di AWS, che ci racconta come unire il mondo dei database relazionali con quello della Generative AI.
Link utili:
- Automating vector embedding generation in Amazon Aurora PostgreSQL with Amazon Bedrock
Więcej odcinków z kanału "AWS - Il podcast in italiano"
Nie przegap odcinka z kanału “AWS - Il podcast in italiano”! Subskrybuj bezpłatnie w aplikacji GetPodcast.
