evadb

نظام قواعد البيانات للتطبيقات التي تعمل بالطاقة الذكاء الاصطناعى

اتبع Evadb

يمكّن EVADB مطوري البرامج من إنشاء تطبيقات الذكاء الاصطناعي في بضعة أسطر من التعليمات البرمجية. تقوم API القوية SQL بتبسيط تطوير تطبيق AI لكل من البيانات المنظمة وغير المنظمة. تشمل مزايا إيفادب:

؟ من السهل توصيل محرك استعلام EVADB بمصادر البيانات الخاصة بك ، مثل دلاء PostgreSQL أو S3 ، وإنشاء تطبيقات تعمل بالطاقة مع AI مع استعلامات SQL.

مصادر البيانات المنظمة	مصادر البيانات غير المهيكلة	مصادر بيانات التطبيق
postgresql sqlite MySQL مارياد Clickhouse ندفة الثلج	نظام الملفات المحلي AWS S3 دلو	جيثب

مزيد من التفاصيل حول مصادر البيانات المدعومة متاحة هنا.

؟ الاستعلام عن بياناتك المتصلة بنموذج الذكاء الاصطناعي الذي تم تدريبه مسبقًا من الوجه المعانقة ، Openai ، Yolo ، الانتشار المستقر ، إلخ.

الوجه المعانقة	Openai	يولو
تصنيف الصوت التعرف على الكلام التلقائي تصنيف النص تلخيص Text2Text Generation توليد النص تصنيف الصور تجزئة الصور صورة إلى نص الكشف عن الكائن تقدير العمق	GPT-4 GPT-4-0314 GPT-4-32K GPT-4-32K-0314 GPT-3.5 توربو GPT-3.5-TURBO-0301	yolov8n.pt Yolov8s.pt Yolov8m.pt yolov8l.pt yolov8x.pt

يتوفر المزيد من التفاصيل حول نماذج الذكاء الاصطناعى المدعومة هنا

؟ قم بإنشاء نماذج منظمة العفو الدولية أو ضبطها للانحدار والتصنيف والتنبؤ بالسلسلة الزمنية.

الانحدار	تصنيف	السلسلة الزمنية التنبؤ
لودفيج Sklearn xgboost	لودفيج Xboost	Statsforecast NeuralForecast

مزيد من التفاصيل حول أطر السيارات المدعومة متاحة هنا.

؟ استفسارات AI أسرع بفضل تحسينات الاستعلام المتمحورة حول الذكاء الاصطناعي مثل التخزين المؤقت والتجمع والمعالجة الموازية.

• تساعد التخزين المؤقت نتيجة الوظيفة على إعادة استخدام نتائج مكالمات وظائف الذكاء الاصطناعى باهظة الثمن.
• LLM Patching يقلل من استخدام الرمز المميز والدولار الذي تم إنفاقه على مكالمات LLM.
• توفر معالجة الاستعلام الموازية المال والوقت الذي يقضيه في تشغيل نماذج الذكاء الاصطناعي من خلال استخدام وحدات المعالجة المركزية و/أو وحدات معالجة الرسومات بشكل أفضل.
• الاستعلام عن إعادة الترتيب وتسريع المسند المسند يسارع الاستعلامات على كل من البيانات المنظمة وغير المنظمة.

يتوفر المزيد من التفاصيل حول التحسينات في EVADB هنا.

يا! إذا كنت متحمسًا لرؤيتنا لجلب منظمة العفو الدولية إلى أنظمة قاعدة البيانات ، فأظهر بعضًا من:

• بطولة جيثب لدينا؟ ريبو
• ؟ الانضمام إلى مجتمع الركود لدينا
• ؟ متابعتنا على Twitter
• متابعتنا على المتوسط

نود أن نتعرف على تطبيق AI الخاص بك. يرجى إكمال هذا النموذج 1-minute: https://v0fbgcue0cm.typeform.com/to/bzhzwezm

روابط سريعة

• روابط سريعة
• الوثائق
• لماذا إيفادب
• كيف يعمل إيفادب
• استفسارات توضيحية
• التطبيقات التوضيحية
• المزيد من الاستفسارات التوضيحية
• هندسة إيفادب
• المجتمع والدعم
• المساهمة
• تاريخ النجوم
• رخصة

الوثائق

يمكنك العثور على الوثائق الكاملة لـ EVADB في evadb.ai/docs

لماذا إيفادب

في عالم الذكاء الاصطناعى ، وصلنا إلى مرحلة يمكن الآن أن تكون فيها مهام AI التي تم التعامل معها تقليديًا من قبل مهندسي الذكاء الاصطناعي أو ML. يتيح EVADB لمطوري البرامج القدرة على أداء مهام الذكاء الاصطناعى المتقدمة دون الحاجة إلى الخوض في التفاصيل المعقدة.

يغطي EVADB العديد من تطبيقات الذكاء الاصطناعى ، بما في ذلك الانحدار ، والتصنيف ، والتعرف على الصور ، والإجابة على الأسئلة ، والعديد من تطبيقات الذكاء الاصطناعي الأخرى. يستهدف EVADB 99 ٪ من مشاكل الذكاء الاصطناعي التي غالباً ما تكون متكررة ويمكن تلقائيًا مع استدعاء وظيفة بسيطة في استعلام SQL. حتى الآن ، لا يوجد إطار شامل مفتوح المصدر لجلب الذكاء الاصطناعى إلى نظام قاعدة بيانات SQL حالي مع إطار تحسين الذكاء الاصطناعي المبدئي ، وهذا هو المكان الذي يأتي فيه EVADB.

جمهورنا المستهدف هو مطورو البرامج الذين قد لا يكون لديهم بالضرورة خلفية في الذكاء الاصطناعي ولكنهم يتطلبون إمكانات منظمة العفو الدولية لحل مشاكل محددة. نستهدف المبرمجين الذين يكتبون استفسارات SQL بسيطة داخل تطبيقات CRUD الخاصة بهم. مع EVADB ، من الممكن إضافة ميزات AI بسهولة إلى هذه التطبيقات عن طريق استدعاء وظائف AI المدمجة في الاستعلامات.

كيف يعمل إيفادب

• قم بتوصيل EVADB بأنظمة قاعدة بيانات SQL و Vector مع عبارات "إنشاء قاعدة البيانات" و "إنشاء الفهرس".
• اكتب استعلامات SQL مع وظائف AI للحصول على نتائج الاستدلال:
• اختر نموذجًا من الذكاء الاصطناعي المدربين مسبقًا من الوجه المعانقة ، وفتح الذكاء الاصطناعى ، والضوء ، و Pytorch ، وأطر منظمة العفو الدولية المدمجة لتطبيقات AI و NLP و Vision ؛
• أو اختر من مجموعة متنوعة من محركات ML الحديثة لحالات استخدام ML الكلاسيكية (التصنيف ، الانحدار ، إلخ) ؛
• أو أحضر نموذجك المخصص المصمم باستخدام أي إطار عمل AI/ML باستخدام "Create Function".

اتبع دليل البدء للوصول على متن الطائرة بأسرع وقت ممكن.

استفسارات توضيحية

• احصل على رؤى حول Github Stargazers باستخدام GPT4.

 SELECT name, country, email, programming_languages, social_media, GPT4(prompt,topics_of_interest)
FROM gpt4all_StargazerInsights;

-- - Prompt to GPT-4
You are given 10 rows of input, each row is separated by two new line characters.
Categorize the topics listed in each row into one or more of the following 3 technical areas - Machine Learning, Databases, and Web development. If the topics listed are not related to any of these 3 areas, output a single N / A. Do not miss any input row. Do not add any additional text or numbers to your output.
The output rows must be separated by two new line characters. Each input row must generate exactly one output row. For example, the input row [Recommendation systems, Deep neural networks, Postgres] must generate only the output row [Machine Learning, Databases].
The input row [enterpreneurship, startups, venture capital] must generate the output row N / A.

• قم بإنشاء فهرس متجه على التضمينات التي يتم إرجاعها بواسطة مستخرج ميزة SIFT على مجموعة من صور Reddit. إرجاع الصور المماثلة Top-5 لصورة معينة.

 CREATE INDEX reddit_sift_image_index
    ON reddit_dataset (SiftFeatureExtractor(data))
    USING FAISS

SELECT name FROM reddit_dataset ORDER BY
    Similarity(
        SiftFeatureExtractor(Open( ' reddit-images/g1074_d4mxztt.jpg ' )),
        SiftFeatureExtractor(data)
    )
    LIMIT 5 

التطبيقات التوضيحية

فيما يلي بعض تطبيقات الذكاء الاصطناعى التوضيحية التي تم تصميمها باستخدام EVADB (يمكن فتح كل دفتر ملاحظات على Google Colab):

• ؟ تحليل المشاعر باستخدام LLM داخل postgresql
• ؟ سؤال الفيديو المستند إلى ChatGPT
• ؟ تلخيص النص على مستندات PDF
• ؟ تحليل تدفق حركة المرور مع يولو
• ؟ فحص عواطف الفيلم
• ؟ بحث تشابه الصورة

المزيد من الاستفسارات التوضيحية

• احصل على نسخة من مقطع فيديو مخزّن في جدول باستخدام نموذج التعرف على الكلام. ثم ، اطرح أسئلة على النص المستخرج باستخدام chatgpt.

 CREATE TABLE text_summary AS
    SELECT SpeechRecognizer(audio) FROM ukraine_video;
SELECT ChatGPT( ' Is this video summary related to Ukraine russia war ' , text )
    FROM text_summary;

• تدريب نموذج ML الكلاسيكي للتنبؤ باستخدام محرك Ludwig AI.

 CREATE FUNCTION IF NOT EXISTS PredictHouseRent FROM
( SELECT * FROM HomeRentals)
TYPE Ludwig
PREDICT ' rental_price '
TIME_LIMIT 120 ;

هندسة إيفادب

يأخذ مُحسّن الاستعلام المتمحور حول AI Evadb استعلامًا كمدخلات ويولد خطة استعلام. يأخذ محرك الاستعلام خطة الاستعلام ويضرب الخلفية ذات الصلة لمعالجة الاستعلام: 1. 1. أنظمة قاعدة بيانات SQL (البيانات المنظمة) 2.

المجتمع والدعم

نود أن نتعرف على تطبيق AI الخاص بك. يرجى إكمال هذا النموذج 1-minute: https://v0fbgcue0cm.typeform.com/to/bzhzwezm

إذا واجهت أي أخطاء أو لديك أي تعليقات ، فيمكنك الوصول إلينا في مجتمع Slack لدينا؟ أو إنشاء مشكلة github؟

هنا هو خريطة طريق إيفادب العامة؟ ️. نضع الأولوية للميزات بناءً على ملاحظات المستخدم ، لذلك نود أن نسمع منك!

المساهمة

نحن فريق هزيل في مهمة لجلب الذكاء الاصطناعي داخل أنظمة قاعدة البيانات! يتم تقدير جميع أنواع المساهمات إلى EVADB؟ إذا كنت ترغب في المشاركة ، فإليك معلومات حول المكان الذي يمكننا فيه استخدام مساعدتك: دليل المساهمة؟

حالة CI:

تاريخ النجوم

رخصة

حقوق الطبع والنشر (C) Georgia Tech Database Group. مرخصة بموجب ترخيص Apache.