HI 各位开发者们,
📅2024年9月23日🕑14:00-15:30🕞,InterSystems将举办线上研讨会,点击🔔此处🔔报名参会。
此次研讨会以“面向未来的数据平台——InterSystems IRIS五大亮点提速数据潜力挖掘与AI应用”为主题,帮助您了解InterSystems IRIS数据平台的五大亮点:
- 使用InterSystems IRIS for Health进行FHIR开发
- 使用Python进行互操作Production开发
- InterSystems IRIS列存储
- InterSystems IRIS外部表(Foreign Table)
- InterSystems IRIS向量和基于向量检索的患者相似度匹配
🔅亮点一:使用InterSystems IRIS for Health进行FHIR开发
InterSystems IRIS for Health早已内置了完整的FHIR服务器实例,从FHIR资源的存储与查询,到API的实现以及自定义Profile的加载与校验。此次演讲主要介绍了如何使用对象的方式,利用高性能的对象型数据开发平台InterSystems IRIS for Health的新特性,进行FHIR的相关开发工作。
🔅亮点三:InterSystems IRIS列存储
Columnar Storage(列存储)是InterSystems IRIS SQL表的一个新的存储选项。Columnar Storage提供的分析性查询比InterSystems IRIS的传统存储方案快一个数量级。这种查询通常是在非常大的表上汇总数据,并且通常涉及到对一个或多个列的过滤和分组。通过按列而不是按行来存储表数据,可以大大减少运行这种查询所需的I/O量,并利用称为SIMD(单指令多数据)的现代芯片组级优化,进一步提高性能。
🔅亮点四:InterSystems IRIS外部表(Foreign Table)
Foreign Table是InterSystems IRIS SQL中一种特殊类型的表,它不代表数据库本地存储的数据,而是对外部数据源(如其他数据库系统、文件、远程服务器等)中数据的映射,通过定义foreign table,可以实现对外部数据的按需访问和动态扩展。
🔅亮点五:InterSystems IRIS向量和基于向量检索的患者相似度匹配
向量用于表示语言的语义,可将词语映射到高维度的几何空间,词语在空间中的位置代表其语义的远近程度。向量是机器学习和人工智能对语义进行运算的基础技术。我们将介绍如何在InterSystems IRIS中将数据转变为向量,并通过程序演示基于向量检索的患者相似度匹配。该程序将患者人口学信息整合后转换为向量,并运用IRIS SQL中的向量检索对数据语义进行相似度查询,从而识别患者人口学信息之间的相近程度。
❓答疑解惑💬
主题分享环节结束后,我们还准备了问答环节,为您答疑解惑!
快来报名吧!点击🔔此处🔔报名。
想要录屏学习,有地方可以看到吗?
谢谢关注,这个链接就可以看回放:https://live.polyv.cn/watch/5138181