Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 21 heures
Plan du cours
Introduction à WrenAI OSS
- Aperçu de l'architecture de WrenAI
- Composants clés de l'OSS et écosystème
- Installation et configuration
Modélisation sémantique dans Wren AI
- Définition des couches sémantiques
- Conception de métriques et de dimensions réutilisables
- Bonnes pratiques pour la cohérence et la maintenabilité
La conversion texte vers SQL en pratique
- Correspondance entre langage naturel et requêtes
- Amélioration de la précision de la génération SQL
- Défis courants et dépannage
Ajustement et optimisation des prompts
- Stratégies d'ingénierie de prompts
- Ajustement fin pour les jeux de données d'entreprise
- Équilibre entre précision et performance
Mise en œuvre des garde-fous
- Prévention des requêtes non sûres ou coûteuses
- Mécanismes de validation et d'approbation
- Considérations relatives à la gouvernance et à la conformité
Intégration de WrenAI dans les flux de données
- Intégration de Wren AI dans les pipelines
- Connexion aux outils de BI et de visualisation
- Déploiements multi-utilisateurs et d'entreprise
Cas d'usage avancés et extensions
- Plugins personnalisés et intégrations API
- Extension de WrenAI avec des modèles ML
- Mise à l'échelle pour les grands jeux de données
Résumé et prochaines étapes
Pré requis
- Solide compréhension du SQL et des systèmes de bases de données
- Expérience en modélisation de données et en couches sémantiques
- Familiarité avec les concepts du machine learning ou du traitement du langage naturel
Public visé
- Ingénieurs de données
- Ingénieurs analytiques
- Ingénieurs ML
