evadb

AI驅動應用的數據庫系統

關注Evadb

EVADB使軟件開發人員可以用幾行代碼構建AI應用程序。它功能強大的SQL API簡化了結構化和非結構化數據的AI應用程序開發。 EVADB的好處包括：

？易於將EVADB查詢引擎與您的數據源連接起來，例如PostgreSQL或S3 Buckets，並構建具有SQL查詢的AI驅動應用程序。

結構化數據源	非結構化數據源	應用程序數據源
Postgresql sqlite mysql Mariadb Clickhouse 雪花	本地文件系統 AWS S3桶	github

有關支持數據源的更多詳細信息，請參見此處。

？通過擁抱臉，OpenAI，Yolo，穩定擴散等，通過預先訓練的AI模型查詢您的連接數據。

擁抱臉	Openai	YOLO
音頻分類 自動語音識別 文本分類 摘要 Text2Text世代 文字生成 圖像分類 圖像分割 圖像到文本 對象檢測 深度估計	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

有關支持的AI模型的更多詳細信息可在此處提供

？為回歸，分類和時間序列預測創建或微調AI模型。

回歸	分類	時間序列預測
路德維希 Sklearn xgboost	路德維希 XBoost	Statsforecast 神經預報

有關支持的汽車框架的更多詳細信息，請參見此處。

？更快的AI查詢得益於以AI為中心的查詢優化，例如緩存，批處理和並行處理。

• 功能結果緩存有助於重複使用昂貴的AI功能調用的結果。
• LLM批處理減少了代幣的使用和LLM電話上花費的美元。
• 並行查詢處理可以通過更好地利用CPU和/或GPU來節省運行AI模型的金錢和時間。
• 查詢謂詞重新排序和謂詞按下會加速在結構化和非結構化數據上的查詢。

有關EVADB中優化的更多詳細信息，請參見此處。

嘿！如果您對我們將AI帶入數據庫系統的願景感到興奮，請顯示一些❤️

• 主演我們的github？倉庫
• ？加入我們的懈怠社區
• ？在Twitter上關注我們
• 在媒介上跟隨我們

我們很想了解您的AI應用程序。請填寫此1分鐘的表格：https：//v0fbgcue0cm.typeform.com/to/bzhzwezm

快速鏈接

• 快速鏈接
• 文件
• 為什麼要逃脫
• EVADB如何工作
• 說明性查詢
• 說明性應用程序
• 更有說明性的查詢
• EVADB的建築
• 社區和支持
• 貢獻
• 星曆史
• 執照

文件

您可以在evadb.ai/docs找到EVADB的完整文檔

為什麼要逃脫

在AI的世界中，我們進入了一個階段，現在可以自動化AI或ML工程師傳統上處理的許多AI任務。 EVADB使軟件開發人員能夠執行高級AI任務，而無需深入研究複雜的詳細信息。

EVADB涵蓋了許多AI應用程序，包括回歸，分類，圖像識別，問答以及許多其他生成A​​I應用程序。 EVADB目標是99％的AI問題，這些問題通常是重複性的，可以在SQL查詢中使用簡單的功能調用自動化。到目前為止，還沒有將AI帶入具有原理AI優化框架的現有SQL數據庫系統中的全面開源框架，這就是EVADB的所在地。

我們的目標受眾是軟件開發人員，他們可能不一定具有AI背景，但需要AI功能來解決特定問題。我們針對的是在CRUD應用程序中編寫簡單SQL查詢的程序員。使用EVADB，可以通過在查詢中調用內置AI函數來輕鬆添加AI功能。

EVADB如何工作

• 將EVADB連接到您的SQL和Vector數據庫系統，並使用“創建數據庫”和`創建索引語句。
• 用AI函數編寫SQL查詢以獲取推理結果：
• 從擁抱面孔，打開AI，超級詞，Pytorch和內置的AI框架中選擇預先訓練的AI模型，用於生成AI，NLP和視覺應用；
• 或從各種經典ML用例（分類，回歸等）的最先進的ML發動機中挑選；
• 或使用“創建函數”使用任何AI/ML框架構建您的自定義模型。

遵循“入門指南”，以盡快上板上的登機。

說明性查詢

• 使用GPT4獲取有關GitHub觀星者的見解。

 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.

• 在sift特徵提取器返回的reddit圖像集合中返回的功能嵌入式上構建向量索引。返回給定圖像的前5個相似圖像。

 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 

說明性應用程序

以下是一些使用EVADB構建的說明性AI應用程序（每個筆記本可以在Google Colab上打開）：

• ？使用LLM PostgreSQL中的情感分析
• ？基於chatgpt的視頻問題回答
• ？ PDF文檔上的文本摘要
• ？用YOLO分析交通流量
• ？檢查電影的情緒
• ？圖像相似性搜索

更有說明性的查詢

• 使用語音識別模型從存儲在表中的視頻中獲取筆錄。然後，使用Chatgpt在提取的成績單上詢問問題。

 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;

• 使用路德維希AI引擎訓練經典的ML模型進行預測。

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

EVADB的建築

EVADB的以AI為中心的查詢優化器將查詢作為輸入並生成查詢計劃。查詢引擎採用查詢計劃並擊中相關的後端以有效處理查詢：1。SQL數據庫系統（結構化數據）2。AI Frameworks（將非結構化數據轉換為結構化數據；非結構化數據包括PDF，文本，圖像，本地存儲等。

社區和支持

我們很想了解您的AI應用程序。請填寫此1分鐘的表格：https：//v0fbgcue0cm.typeform.com/to/bzhzwezm

如果您遇到任何錯誤或有任何評論，您可以在我們的Slack社區中與我們聯繫？或創建github問題？

這是Evadb的公共路線圖？。我們根據用戶反饋優先考慮功能，因此我們很樂意收到您的來信！

貢獻

我們是一支旨在將AI帶入數據庫系統的任務的精益團隊！對EVADB的各種貢獻得到讚賞？如果您想參與其中，這裡有有關我們可以在哪裡使用您的幫助的信息：貢獻指南？

CI狀態：

星曆史

執照

版權（c）佐治亞理工學院數據庫組。根據Apache許可證許可。