Kursplan

Introduktion till AI-förbättrad SQL

  • Översikt över AI-integrering i datasystem
  • Utvecklingen från traditionell SQL till AI-stödd frågeställning
  • Nycklanvändningsfall och fördelar i företag

Förståelse av LLMs i SQL-sammanhang

  • Hur LLMs tolkar och genererar strukturerade frågor
  • Jämförelse av GPT, LLaMA, DeepSeek, Qwen och Mistral för SQL-applikationer
  • Finjustering av modeller för databasinteraktion

System för naturligt språk till SQL (NL2SQL)

  • Arkitekturer och metoder för NL2SQL
  • Bygga och distribuera text-till-SQL-pipelines
  • Utvärdera frågeexakthet och användarintention

AI-stödd frågeoptimering

  • Använda AI för att identifiera och korrigera ineffektiva frågor
  • LLM-baserad omskrivning av frågor för prestanda
  • Integrera AI-optimering i PostgreSQL och SQL Server

Säkerhet, styrning och granskbarhet

  • Kontrollera åtkomst till AI-genererade frågor
  • Garantera förklarbarhet och efterlevnad
  • Implementera AI-styrning i företagsdatasystem

LLM-integrering och orchestrering

  • Ansluta SQL-motorer till AI-API:er
  • Använda ramverk som LangChain och LlamaIndex
  • Distribuera AI-komponenter i hybrid- och molnarkitekturer

Praktisk implementeringslabb

  • Konfigurera AI-SQL-anslutningar och testmiljöer
  • Skapa och utvärdera AI-genererade frågor
  • Mät prestandaförbättringar med AI-optimering

Framtidsutveckling och företagsimplementeringsstrategier

  • AI-nativa databassystem och SQL-utveckling
  • Integration med datalaker, BI-verktyg och pipelines
  • Bygga interna AI-frågeassistenter för organisationer

Sammanfattning och nästa steg

Krav

  • En förståelse för SQL-grundläggande
  • Erfarenhet av databasadministration eller dataarkitektur
  • Grundläggande kunskap om AI eller maskininlärningskoncept

Målgrupp

  • Dataarkitekter och databasadministratörer
  • Företagsarkitekter och analyseledare
  • AI-integrerings- och plattformsarkitekturlag
 21 Timmar

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier