코스 개요

WrenAI OSS 소개

  • WrenAI 아키텍처 개요
  • 주요 OSS 구성 요소와 생태계
  • 설치 및 설정

Wren AI에서의 의미론적 모델링

  • 의미론적 레이어 정의
  • 재사용 가능한 지표 및 차원 설계
  • 일관성과 유지 관리성을 위한 모범 사례

실제에서 텍스트를 SQL로 변환하기

  • 자연어를 쿼리로 매핑
  • SQL 생성 정확도 향상
  • 일반적인 문제점 및 해결책

프롬프트 조율 및 최적화

  • 프롬프트 엔지니어링 전략
  • 기업 데이터셋에 대한 미세 조정
  • 정확성과 성능의 균형 유지

가드레일 구현

  • 안전하지 않거나 비용이 많이 드는 쿼리 방지
  • 검증 및 승인 메커니즘
  • 관리 및 준수 고려 사항

데이터 워크플로우에 WrenAI 통합

  • 파이프라인에 Wren AI 포함
  • BI 및 시각화 도구에 연결
  • 다중 사용자 및 기업 배포

고급 사용 사례 및 확장 기능

  • 사용자 정의 플러그인과 API 통합
  • ML 모델로 WrenAI 확장
  • 대규모 데이터셋에 대한 확장

요약 및 다음 단계

요건

  • SQL 및 데이터베이스 시스템에 대한 깊은 이해
  • 데이터 모델링 및 의미 계층에 대한 경험
  • 머신 러닝 또는 자연어 처리 개념에 대한 익숙함

대상

  • 데이터 엔지니어
  • 분석 엔지니어
  • ML 엔지니어
 21 시간

참가자 수


참가자당 가격

예정된 코스

관련 카테고리