evadb

Sistema de bases de datos para aplicaciones con IA

Sigue a Evadb

EVADB permite a los desarrolladores de software crear aplicaciones de IA en algunas líneas de código. Su potente API SQL simplifica el desarrollo de aplicaciones AI para datos estructurados y no estructurados. Los beneficios de EVADB incluyen:

? Fácil de conectar el motor de consulta EVADB con sus fuentes de datos, como cubos PostgreSQL o S3, y construir aplicaciones con AI con consultas SQL.

Fuentes de datos estructuradas	Fuentes de datos no estructuradas	Fuentes de datos de la aplicación
Postgresql Sqlite Mysql Mariada Clickhouse Copo de nieve	Sistema de archivos local Cubo de AWS S3	Github

Más detalles sobre las fuentes de datos compatibles están disponibles aquí.

? Consulte sus datos conectados con un modelo de IA pre-entrenado de la cara abrazada, OpenAi, yolo, difusión estable, etc.

Cara abrazada	Opadai	Yolo
Clasificación de audio Reconocimiento automático de voz Clasificación de texto Resumen Generación Text2Text Generación de texto Clasificación de imágenes Segmentación de imágenes Imagen a texto Detección de objetos Estimación de profundidad	GPT-4 GPT-4-0314 GPT-4-32K GPT-4-32K-0314 GPT-3.5-TURBO GPT-3.5-TURBO-0301	yolov8n.pt yolov8s.pt yolov8m.pt yolov8l.pt yolov8x.pt

Más detalles sobre los modelos AI compatibles están disponibles aquí

? Crear o ajustar modelos AI para la regresión, la clasificación y el pronóstico de la serie temporal.

Regresión	Clasificación	Pronóstico de series de tiempo
Ludwig Sklearn Xgboost	Ludwig Xboost	Estadística Neuralforecast

Más detalles sobre los marcos AutomL compatibles están disponibles aquí.

? Las consultas de IA más rápidas gracias a las optimizaciones de consultas centradas en la IA, como el almacenamiento en caché, el lote y el procesamiento paralelo.

• El almacenamiento en caché de los resultados de la función ayuda a reutilizar los resultados de las costosas llamadas a la función de IA.
• LLM Batching reduce el uso de tokens y los dólares gastados en llamadas LLM.
• El procesamiento de consultas paralelas ahorra dinero y tiempo dedicado a ejecutar modelos de IA mediante la utilización mejor de CPU y/o GPU.
• Consulta El reordenamiento de predicado y el predicato de empuje aceleran consultas sobre datos estructurados y no estructurados.

Aquí hay más detalles sobre las optimizaciones en EVADB.

¡Ey! Si está entusiasmado con nuestra visión de traer AI dentro de los sistemas de bases de datos, muestre algunos ❤️ por:

• protagonizando nuestro github? Repositorio
• ? unirse a nuestra comunidad Slack
• ? siguiéndonos en Twitter
• siguiéndonos en medio

Nos encantaría aprender sobre su aplicación AI. Complete este formulario de 1 minuto: https://v0fbgcue0cm.typeform.com/to/bzhzwezm

Enlaces rápidos

• Enlaces rápidos
• Documentación
• Por qué evadb
• ¿Cómo funciona Evadb?
• Consultas ilustrativas
• Aplicaciones ilustrativas
• Consultas más ilustrativas
• Arquitectura de Evadb
• Comunidad y apoyo
• Que contribuye
• Historia de la estrella
• Licencia

Documentación

Puede encontrar la documentación completa de EVADB en evadb.ai/docs

Por qué evadb

En el mundo de la IA, hemos llegado a una etapa en la que muchas tareas de IA que tradicionalmente fueron manejadas tradicionalmente por ingenieros de AI o ML ahora pueden ser automatizadas. EVADB permite a los desarrolladores de software con la capacidad de realizar tareas avanzadas de IA sin necesidad de profundizar en los detalles intrincados.

EVADB cubre muchas aplicaciones de IA, incluida la regresión, la clasificación, el reconocimiento de imágenes, la respuesta a las preguntas y muchas otras aplicaciones generativas de IA. EVADB se dirige al 99% de los problemas de IA que a menudo son repetitivos y pueden automatizarse con una llamada de función simple en una consulta SQL. Hasta ahora, no existe un marco integral de código abierto para llevar la IA a un sistema de base de datos SQL existente con un marco de optimización de IA de principios, y ahí es donde entra Evadb.

Nuestro público objetivo son los desarrolladores de software que no necesariamente tienen experiencia en IA pero requieren capacidades de IA para resolver problemas específicos. Nos dirigimos a los programadores que escriben consultas SQL simples dentro de sus aplicaciones CRUD. Con EVADB, es posible agregar fácilmente las características de IA a estas aplicaciones llamando a funciones de IA incorporadas en las consultas.

¿Cómo funciona Evadb?

• Conecte EVADB a sus sistemas de bases de datos SQL y Vector con las declaraciones `Crear base de datos` y` Crear índice ".
• Escriba consultas SQL con funciones de IA para obtener resultados de inferencia:
• Elija un modelo de IA pre-entrenado de la cara abrazada, la IA abierta, los ultralíticos, los marcos Pytorch y AI incorporados para aplicaciones generativas de IA, PNL y Visión;
• o elija entre una variedad de motores ML de última generación para casos de uso de ML clásicos (clasificación, regresión, etc.);
• O traiga su modelo personalizado construido con cualquier marco AI/ML utilizando `Función Crear`.

Siga la guía de inicio para que se enciende lo más rápido posible.

Consultas ilustrativas

• Obtenga información sobre GitHub Stargazers usando 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.

• Construya un índice de vectores en las integridades de características devueltas por el extractor de funciones SIFT en una colección de imágenes Reddit. Devuelva las 5 imágenes similares para una imagen dada.

 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 

Aplicaciones ilustrativas

Aquí hay algunas aplicaciones ilustrativas de IA construidas con EVADB (cada cuaderno se puede abrir en Google Colab):

• ? Análisis de sentimientos utilizando LLM dentro de PostgreSQL
• ? Respuesta de preguntas en video basadas en Chatgpt
• ? Resumen de texto en documentos PDF
• ? Analizar el flujo de tráfico con yolo
• ? Examinando las emociones de la película
• ? Búsqueda de similitud de imagen

Consultas más ilustrativas

• Obtenga una transcripción de un video almacenado en una tabla utilizando un modelo de reconocimiento de voz. Luego, haga preguntas sobre la transcripción extraída usando 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;

• Entrene un modelo ML clásico para la predicción utilizando el motor Ludwig AI.

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

Arquitectura de Evadb

El optimizador de consulta centrado en AI de EVADB toma una consulta como entrada y genera un plan de consulta. El motor de consulta toma el plan de consulta y llega a los backends relevantes para procesar eficientemente la consulta: 1. SQL Database Systems (datos estructurados) 2. AI Frameworks (transformar datos no estructurados a datos estructurados; datos no estructurados incluye PDF, texto, imágenes, etc. localmente almacenados o en la nube) 3. Sistemas de bases de datos de vectores (características Embedidas)))

Comunidad y apoyo

Nos encantaría aprender sobre su aplicación AI. Complete este formulario de 1 minuto: https://v0fbgcue0cm.typeform.com/to/bzhzwezm

Si se encuentra con algún error o tiene algún comentario, ¿puede comunicarse con nosotros en nuestra comunidad Slack? o crear un problema de GitHub?

¿Aquí está la hoja de ruta pública de Evadb? ️. Priorizamos características basadas en comentarios de los usuarios, ¡así que nos encantaría saber de usted!

Que contribuye

¡Somos un equipo esbelto en una misión para traer IA dentro de los sistemas de bases de datos! ¿Se aprecian todo tipo de contribuciones a EVADB? Si desea involucrarse, ¿aquí hay información sobre dónde podríamos usar su ayuda: la guía de contribución?

Estado de CI:

Historia de la estrella

Licencia

Copyright (c) Georgia Tech Database Group. Licenciado bajo una licencia de Apache.