evadb

Система баз данных для приложений с AI-мощным

Следуй за Эвадб

Evadb позволяет разработчикам программного обеспечения создавать приложения ИИ в нескольких строках кода. Его мощный SQL API упрощает разработку приложения AI как для структурированных, так и для неструктурированных данных. Преимущества Эвадба включают:

? Легко подключить двигатель evadb Query с вашими источниками данных, такими как ковхи PostgreSQL или S3, и создайте приложения с AI с помощью SQL-запросов.

Структурированные источники данных	Неструктурированные источники данных	Источники данных приложения
Postgresql SQLite Mysql Мариадб КЛЮЧЕСКИЙ ДОХОД Снежинка	Локальная файловая система AWS S3 Bucket	GitHub

Более подробная информация о поддерживаемых источниках данных доступна здесь.

? Запросите подключенные данные с предварительно обученной моделью искусственного интеллекта от обнимающего лица, OpenAI, YOLO, стабильной диффузии и т. Д.

Обнимающееся лицо	Openai	Йоло
Аудио классификация Автоматическое распознавание речи Текстовая классификация Суммирование Text2 Text Generation Генерация текста Классификация изображений Сегментация изображения Изображение в текст Обнаружение объекта Оценка глубины	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

Более подробная информация о поддерживаемых моделях ИИ доступна здесь

? Создать или настраивать модели искусственного интеллекта для регрессии, классификации и прогнозирования временных рядов.

Регрессия	Классификация	Прогнозирование временных рядов
Людвиг Sklearn XGBOOST	Людвиг Xboost	StatsForeCast Neuralforecast

Более подробная информация о поддерживаемых Frameworks доступна здесь.

? Более быстрые запросы AI благодаря AI-ориентированным оптимизациям запросов, таким как кэширование, партия и параллельная обработка.

• Кэширование результатов функции помогает повторно использовать результаты дорогих вызовов функций искусственного интеллекта.
• Обращение LLM уменьшает использование токенов и доллары, потраченные на звонки LLM.
• Обработка параллельных запросов экономит деньги и время, потраченные на запуск моделей ИИ, за лучшим использованием процессоров и/или графических процессоров.
• Запрос предикат повторный заказ и предикат отдача ускоряет запросы как структурированных, так и неструктурированных данных.

Более подробная информация об оптимизации в Evadb доступна здесь.

Привет! Если вы взволнованы наше видение предоставления ИИ внутри систем баз данных, покажите некоторые ❤ by:

• В главной роли в нашем GitHub? Репо
• ? Присоединение к нашему сообществу Slack
• ? Следуя за нами в Твиттере
• Следуя за нами на среднем

Мы хотели бы узнать о вашем приложении ИИ. Пожалуйста, заполните эту 1-минутную форму: https://v0fbgcue0cm.typeform.com/to/bzhzwezm

Быстрые ссылки

• Быстрые ссылки
• Документация
• Почему Эвадб
• Как работает Evadb
• Иллюстративные запросы
• Иллюстративные приложения
• Более иллюстративные запросы
• Архитектура Эвадба
• Сообщество и поддержка
• Внося
• Звездная история
• Лицензия

Документация

Вы можете найти полную документацию Evadb на evadb.ai/docs

Почему Эвадб

В мире ИИ мы достигли стадии, где многие задачи ИИ, которые традиционно выполнялись инженерами ИИ или МЛ, теперь могут быть автоматизированы. Evadb позволяет разработчикам программного обеспечения возможность выполнять расширенные задачи ИИ без необходимости углубиться в сложные детали.

EVADB охватывает многие приложения для ИИ, включая регрессию, классификацию, распознавание изображений, ответ на вопросы и многие другие генеративные приложения ИИ. EVADB нацелен на 99% проблем с искусственным интеллектом, которые часто являются повторяющимися и могут быть автоматизированы с помощью простого вызова функции в запросе SQL. До сих пор нет никакой комплексной структуры с открытым исходным кодом для введения ИИ в существующую систему баз данных SQL с принципиальной структурой оптимизации ИИ, и именно здесь появляется Evadb.

Наша целевая аудитория - разработчики программного обеспечения, которые не обязательно имеют опыт работы с ИИ, но требуют возможности ИИ для решения конкретных проблем. Мы нацелены на программистов, которые пишут простые запросы SQL в своих приложениях CRUD. С помощью EVADB можно легко добавить функции искусственного интеллекта в эти приложения, вызывая встроенные функции искусственного интеллекта в запросах.

Как работает Evadb

• Подключите EVADB к своим системам SQL и векторными базами данных с операторами «Создать базу данных» и «Создать индекс».
• Напишите запросы SQL с функциями искусственного интеллекта, чтобы получить результаты вывода:
• Выберите предварительно обученную модель ИИ из обнимающего лица, открытого ИИ, ультралитики, питорха и встроенных рамках ИИ для генеративных применений ИИ, НЛП и зрения;
• или выберите из различных современных двигателей ML для классического использования ML (классификация, регрессия и т. Д.);
• Или принесите свою пользовательскую модель, построенную с любыми структурой AI/ML, используя `create function '.

Следуйте руководству по началу работы, чтобы получить борту как можно быстрее.

Иллюстративные запросы

• Получите представление о Github Stargazers, использующих 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.

• Создайте векторный индекс на вставках функции, возвращаемых экстрактором функции SIFT в коллекции изображений Reddit. Верните топ-5 аналогичных изображений для данного изображения.

 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 

Иллюстративные приложения

Вот некоторые иллюстративные приложения ИИ, созданные с использованием EVADB (каждый ноутбук можно открыть в Google Colab):

• ? Анализ настроений с использованием LLM в PostgreSQL
• ? Ответ на видео на основе CHATGPT
• ? Текстовое обобщение документов PDF
• ? Анализ потока трафика с помощью YOLO
• ? Изучение эмоций фильма
• ? Поиск сходства изображений

Более иллюстративные запросы

• Получите стенограмму из видео, хранящегося в таблице, используя модель распознавания речи. Затем задайте вопросы об извлеченной транскрипции, используя 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;

• Тренируйте классическую модель ML для прогнозирования, используя двигатель Ludwig AI.

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

Архитектура Эвадба

Оптимизатор запросов AI, ориентированного на AI EVADB, принимает запрос в качестве ввода и генерирует план запроса. Двигатель запроса принимает план запроса и достигает соответствующих бэкэндов для эффективной обработки запроса: 1. Системы баз данных SQL (структурированные данные) 2. Фреймворки AI (преобразование неструктурированных данных в структурированные данные; нетрактурированные данные включают PDF, текст, изображения и т. Д.

Сообщество и поддержка

Мы хотели бы узнать о вашем приложении ИИ. Пожалуйста, заполните эту 1-минутную форму: https://v0fbgcue0cm.typeform.com/to/bzhzwezm

Если вы сталкиваетесь с любыми ошибками или у вас есть какие -либо комментарии, вы можете связаться с нами в нашем сообществе Slack? Или создать проблему GitHub?

Вот общественная дорожная карта Эвадба? ️. Мы определяем приоритеты функций на основе отзывов пользователей, поэтому мы хотели бы услышать от вас!

Внося

Мы худой команда по миссии по привлечению искусственного интеллекта внутри систем баз данных! Все виды вкладов в Evadb благодарны? Если вы хотите принять участие, вот информация о том, где мы могли бы использовать вашу помощь: Руководство по взносу?

Статус CI:

Звездная история

Лицензия

Copyright (C) Группа Georgia Tech Database. Лицензирован по лицензии Apache.