聯繫我們

課程簡介

WrenAI 中的品質與可觀測性簡介

  • 為何在 AI 驅動的分析中可觀測性至關重要。
  • 自然語言轉譯為 SQL 評估所面臨的挑戰。
  • 品質監控框架。

評估自然語言轉譯為 SQL 的準確度

  • 定義生成查詢的成功標準。
  • 建立基準與測試資料集。
  • 自動化評估管線。

提示微調技術

  • 優化提示以達成準確性與效率。
  • 透過微調進行領域適應。
  • 管理企業級應用的提示函式庫。

追蹤漂移與查詢可靠性

  • 理解生產環境中的查詢漂移。
  • 監控結構描述(Schema)與資料演變。
  • 偵測使用者查詢中的異常現象。

Instrumenting 查詢歷史紀錄

  • 記錄並儲存查詢歷史紀錄。
  • 利用歷史紀錄進行稽核與疑難排解。
  • 運用查詢洞察促進效能提升。

監控與可觀測性框架

  • 整合監控工具與儀表板。
  • 可靠性與準確性的指標。
  • 警示與事件回應程序。

企業實施模式

  • 擴展團隊間的可觀測性。
  • 平衡生產環境中的準確性與效能。
  • AI 輸出的治理與責任歸屬。

WrenAI 中品質與可觀測性的未來

  • AI 驅動的自我糾正機制。
  • 進階評估框架。
  • 企業可觀測性的即將推出功能。

摘要與後續步驟

最低要求

  • 理解資料品質與可靠性實踐。
  • 具備 SQL 及分析工作流程經驗。
  • 熟悉監控或可觀測性工具。

目標受眾

  • 資料可靠性工程師。
  • BI 負責人。
  • 分析領域的 QA 專業人員。
 14 小時

人數


每位參與者的報價

即將到來的課程

課程分類