聯繫我們
 課程時長 21 時間:

課程簡介

AI 增強型 SQL 介紹

  • 數據系統中 AI 整合概觀
  • 從傳統 SQL 到 AI 輔助查詢的演進
  • 關鍵企業用例及效益

理解 SQL 情境下的 LLMs

  • LLMs 如何解讀及生成結構化查詢
  • 比較 GPT、LlaMA、DeepSeek、Qwen 及 Mistral 在 SQL 應用中的表現
  • 針對數據庫互動對模型進行微調

自然語言轉 SQL (NL2SQL) 系統

  • NL2SQL 的架構与方法
  • 建構及部署文本轉 SQL 管道
  • 評估查詢準確性及用戶意圖

AI 輔助查詢優化

  • 利用 AI 檢測及修正低效率查詢
  • 基於 LLM 的查詢重寫以提升性能
  • 將 AI 優化整合至 PostgreSQL 及 SQL Server

安全性、治理及可審計性

  • 控制對 AI 生成查詢的存取權限
  • 確保可解釋性合規性
  • 在企業數據系統中實施 AI 治理

LLM 整合與編排

  • 連接 SQL 引擎與 AI API
  • 使用 LangChain 及 LlamaIndex 等框架
  • 在混合及雲端架構中部署 AI 組件

實作實驗室

  • 設定 AI-SQL 連接及測試環境
  • 建立及評估 AI 生成的查詢
  • 衡量 AI 優化帶來的性能提升

未來趨勢及企業採用策略

  • AI 原生數據庫系統及 SQL 演進
  • 與數據湖、BI 工具及管道的整合
  • 為組織構建內部 AI 查詢助手

總結及後續步驟

最低要求

  • 了解 SQL 基礎知識
  • 具備數據庫管理或數據工程經驗
  • 具備 AI 或機器學習概念的基礎知識

適用對象

  • 數據工程師及數據庫管理員
  • 企業架構師及分析負責人
  • AI 整合及平台工程團隊

課程分類