Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Varaktighet 14 timmar
Kursplan
Inledning till kvalitet och observabilitet i WrenAI
- Varför observabilitet är viktig i AI-drivna analyser
- Utmaningar i utvärderingen av naturligt språk till SQL
- Ramverk för kvalitetsövervakning
Utvärdering av noggrannhet i naturligt språk till SQL
- Att definiera kriterier för framgång för genererade frågor
- Att etablera referensvärden och testdatauppsättningar
- Automatisering av utvärderingspipelines
Tekniker för justering av instruktioner (Prompt Tuning)
- Optimering av instruktioner för noggrannhet och effektivitet
- Domänanpassning genom justering
- Hantering av instruktionsbibliotek för företagsanvändning
Spårning av drift och frågetillförlitlighet
- Förståelse av frågedrift i produktion
- Övervakning av schema- och datadevelopment
- Detektering av avvikelser i användarfrågor
Instrumentering av frågehistorik
- Loggning och lagring av frågehistorik
- Användning av historik för revisioner och felsökning
- Utnyttjande av insikter från frågor för prestandaökning
Ramverk för övervakning och observabilitet
- Integration med övervakningsverktyg och dashboards
- Mått för tillförlitlighet och noggrannhet
- Larma- och incidenthanteringsprocesser
Implementeringsmönster för företag
- Skalbarhet av observabilitet över team
- Balans mellan noggrannhet och prestanda i produktion
- Styrning och ansvar för AI-utdata
Framtidens kvalitet och observabilitet i WrenAI
- AI-drivna självkorrigeringsmekanismer
- Avancerade utvärderingsramverk
- Kommande funktioner för företagsobservabilitet
Sammanfattning och nästa steg
Krav
- Förståelse för praxisområden för datakvalitet och tillförlitlighet
- Erfarenhet av SQL och analysflöden
- Kännedom om verktyg för övervakning eller observabilitet
Målgrupp
- Ingenjörer för datatillförlitlighet
- Ledare för BI (Business Intelligence)
- Kvalitetssäkrandeprofessioner inom analys
