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.
Plan du cours
Introduction à WrenAI OSS
- Aperçu de l'architecture de WrenAI.
- Composants clés d'open source 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.
SQL à partir de texte en pratique
- Mapping du langage naturel vers les requêtes.
- Amélioration de la précision de la génération de SQL.
- Défis courants et dépannage.
Ajustement et optimisation des invites
- Stratégies d'ingénierie des invites.
- Affinement pour les jeux de données d'entreprise.
- Équilibrer précision et performance.
Mise en œuvre des garde-fous
- Prévention des requêtes dangereuses ou coûteuses.
- Mécanismes de validation et d'approbation.
- Considérations en matière de gouvernance et de conformité.
Intégration de WrenAI dans les flux de travail de données
- Intégration de WrenAI dans les pipelines.
- Connexion aux outils BI et de visualisation.
- Déploiements multi-utilisateurs et d'entreprise.
Cas d'utilisation 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 de SQL et des systèmes de bases de données.
- Expérience en modélisation des données et en couches sémantiques.
- Familiarité avec les concepts d'apprentissage automatique ou de traitement du langage naturel.
Public cible
- Ingénieurs de données.
- Ingénieurs analytiques.
- Ingénieurs ML.
21 Heures