evadb
v0.3.9
AI搭載アプリ用のデータベースシステム
EVADBに従ってください
EVADBにより、ソフトウェア開発者は数行のコードでAIアプリを構築できます。その強力なSQL APIは、構造化されたデータと非構造化データの両方のAIアプリ開発を簡素化します。 EVADBの利点は次のとおりです。
| 構造化されたデータソース | 非構造化データソース | アプリケーションデータソース |
|---|---|---|
|
|
|
サポートされているデータソースの詳細については、こちらをご覧ください。
| 顔を抱き締める | Openai | ヨロ |
|---|---|---|
|
|
|
サポートされているAIモデルの詳細については、こちらをご覧ください
| 回帰 | 分類 | 時系列予測 |
|---|---|---|
|
|
|
サポートされているAutomlフレームワークの詳細については、こちらをご覧ください。
EVADBの最適化の詳細については、こちらをご覧ください。
おい！ AIをデータベースシステム内に持ち込むというビジョンに興奮している場合は、次のことを示します。
AIアプリについて学びたいと思います。この1分間のフォームに記入してください：https：//v0fbgcue0cm.typeform.com/to/bzhzwezm
evadb.ai/docsでEVADBの完全なドキュメントを見つけることができます
AIの世界では、AIまたはMLエンジニアによって伝統的に処理されていた多くのAIタスクが自動化できる段階に到達しました。 EVADBは、複雑な詳細を掘り下げる必要なく、高度なAIタスクを実行する機能を備えたソフトウェア開発者を可能にします。
EVADBは、回帰、分類、画像認識、質問応答、その他多くの生成AIアプリケーションなど、多くのAIアプリケーションを対象としています。 EVADBは、しばしば反復的なAI問題の99％をターゲットにし、SQLクエリで単純な関数呼び出しで自動化できます。これまで、AIを原則的なAI最適化フレームワークを備えた既存のSQLデータベースシステムに導入するための包括的なオープンソースフレームワークはありません。そこにEVADBが登場します。
ターゲットオーディエンスは、必ずしもAIのバックグラウンドを持っているわけではないが、特定の問題を解決するためにAI機能を必要とするソフトウェア開発者です。 CRUDアプリ内で簡単なSQLクエリを作成するプログラマーをターゲットにします。 EVADBを使用すると、クエリに組み込みのAI関数を呼び出すことにより、これらのアプリにAI機能を簡単に追加することができます。
入門ガイドに従って、できるだけ早くオンに搭載されてください。
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. 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 EVADBを使用して構築されたいくつかの説明的なAIアプリを次に示します（各ノートブックはGoogle Colabで開くことができます）：
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; CREATE FUNCTION IF NOT EXISTS PredictHouseRent FROM
( SELECT * FROM HomeRentals)
TYPE Ludwig
PREDICT ' rental_price '
TIME_LIMIT 120 ;AIアプリについて学びたいと思います。この1分間のフォームに記入してください：https：//v0fbgcue0cm.typeform.com/to/bzhzwezm
バグに出くわしたり、コメントがある場合は、Slackコミュニティで私たちに連絡できますか？または、githubの問題を作成しますか？
Evadbの公開ロードマップは次のとおりです。§。ユーザーのフィードバックに基づいて機能に優先順位を付けるので、ご連絡をお待ちしております。
私たちは、AIをデータベースシステム内に持ち込むというミッションの無駄のないチームです！ EVADBへのあらゆる種類の貢献は高く評価されていますか？参加したい場合は、ヘルプを使用できる場所に関する情報をご紹介します。
Copyright（c）Georgia Techデータベースグループ。 Apacheライセンスの下でライセンスされています。
