課程簡介

WrenAI OSS 簡介

  • WrenAI 架構概述
  • 關鍵 OSS 組件與生態系統
  • 安裝與設置

Wren AI 中的語義建模

  • 定義語義層
  • 設計可重用的指標與維度
  • 一致性與可維護性的最佳實踐

實踐中的 Text to SQL

  • 將自然語言映射到查詢
  • 提高 SQL 生成的準確性
  • 常見挑戰與故障排除

提示調優與優化

  • 提示工程策略
  • 針對企業數據集的微調
  • 平衡準確性與性能

實施護欄

  • 防止不安全或高成本的查詢
  • 驗證與審批機制
  • 治理與合規性考慮

將 WrenAI 集成到數據工作流中

  • 在管道中嵌入 Wren AI
  • 連接到 BI 和可視化工具
  • 多用戶與企業部署

高級用例與擴展

  • 自定義插件與 API 集成
  • 使用 ML 模型擴展 WrenAI
  • 大規模數據集的擴展

總結與下一步

最低要求

  • 對SQL和數據庫系統有深入理解
  • 具備數據建模和語義層的經驗
  • 熟悉機器學習或自然語言處理概念

受衆

  • 數據工程師
  • 分析工程師
  • ML工程師
 21 時間:

課程分類