Plan Szkolenia

Wprowadzenie do WrenAI OSS

  • Przegląd architektury WrenAI
  • Kluczowe składniki OSS i ekosystem
  • Instalacja i konfiguracja

Modelowanie semantyczne w Wren AI

  • Definiowanie warstw semantycznych
  • Projektowanie powtarzalnych metryk i wymiarów
  • Najlepsze praktyki dotyczące spójności i utrzymywania

Tekst do SQL w praktyce

  • Mapowanie języka naturalnego na zapytania
  • Poprawa dokładności generowania SQL
  • Typowe wyzwania i rozwiązywanie problemów

Dopasowywanie i optymalizacja wskaźników

  • Strategie inżynierii wskaźników
  • Dopasowywanie do zbiiorów danych przedsiębiorstw
  • Zrównoważenie dokładności i wydajności

Implementacja zabezpieczeń

  • Zapobieganie niebezpiecznym lub kosztownym zapytaniom
  • Mechanizmy walidacji i zatwierdzenia
  • Rozważania dotyczące zarządzania i zgodności

Integracja WrenAI z przepływami danych

  • Wbudowywanie Wren AI w pipeline'ach
  • Łączenie z narzędziami BI i wizualizacji
  • Wdrożenia wieloużytkowników i przedsiębiorstw

Zaawansowane przypadki użycia i rozszerzenia

  • Niestandardowe wtyczki i integracje API
  • Rozszerzanie WrenAI o modele ML
  • Skalowanie dla dużych zbiorów danych

Podsumowanie i kolejne kroki

Wymagania

  • Strong understanding of SQL and database systems
  • Experience with data modeling and semantic layers
  • Familiarity with machine learning or natural language processing concepts

Audience

  • Data engineers
  • Analytics engineers
  • ML engineers
 21 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie