코스 개요

AI 강화 SQL 소개

  • 데이터 시스템에서 AI 통합 개요
  • 전통적인 SQL에서 AI 지원 쿼리로의 진화
  • 주요 기업 사용 사례 및 이점

SQL 컨텍스트에서 LLM 이해

  • LLMs가 구조화된 쿼리를 해석하고 생성하는 방법
  • GPT, LLaMA, DeepSeek, Qwen, Mistral의 SQL 애플리케이션 비교
  • 데이터베이스 상호작용을 위한 모델 미세 조정

자연어-SQL(NL2SQL) 시스템

  • NL2SQL 아키텍처 및 접근 방식
  • 텍스트-SQL 파이프라인 구축 및 배포
  • 쿼리 정확성과 사용자 의도 평가

AI 지원 쿼리 최적화

  • 비효율적인 쿼리를 감지하고 수정하는 AI 활용
  • 성능을 위한 LLM 기반 쿼리 재작성
  • PostgreSQL 및 SQL Server에 AI 최적화 통합

보안, 거버넌스 및 감사 가능성

  • AI 생성 쿼리에 대한 접근 제어
  • 설명 가능성 및 컴플라이언스 확보
  • 기업 데이터 시스템에서 AI 거버넌스 구현

LLM 통합 및 오케스트레이션

  • SQL 엔진과 AI API 연결
  • LangChain, LlamaIndex 등의 프레임워크 활용
  • 하이브리드 및 클라우드 아키텍처에서 AI 구성 요소 배포

실용적 구현 실험실

  • AI-SQL 연결 및 테스트 환경 설정
  • AI 생성 쿼리 작성 및 평가
  • AI 최적화로 성능 개선 측정

미래 동향 및 기업 도입 전략

  • AI 네이티브 데이터베이스 시스템과 SQL의 진화
  • 데이터 레이크, BI 도구, 파이프라인과의 통합
  • 조직 내 AI 쿼리 지원 도우미 구축

요약 및 다음 단계

요건

  • SQL 기초 지식
  • 데이터베이스 관리 또는 데이터 엔지니어링 경험
  • AI 또는 머신 러닝 개념에 대한 기본 지식

대상자

  • 데이터 엔지니어와 데이터베이스 관리자
  • 기업 아키텍트 및 분석 리드
  • AI 통합 및 플랫폼 엔지니어링 팀
 21 시간

참가자 수


참가자별 가격

예정된 코스

관련 카테고리