Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à la Qualité et à l'Observabilité dans WrenAI
- Pourquoi l'observabilité est importante dans les analyses alimentées par l'IA
- Les défis de l'évaluation NL to SQL
- Les cadres pour la surveillance de la qualité
Évaluation de la Précision NL to SQL
- Définition des critères de succès pour les requêtes générées
- Établissement de points de référence et de jeux de données de test
- Automatisation des pipelines d'évaluation
Techniques d'Ajustement de Prompt
- Optimisation des prompts pour la précision et l'efficacité
- Adaptation au domaine par ajustement
- Gestion des bibliothèques de prompts pour une utilisation en entreprise
Suivi du Drift et de la Fiabilité des Requêtes
- Comprendre le drift des requêtes en production
- Surveillance de l'évolution du schéma et des données
- Détection d'anomalies dans les requêtes des utilisateurs
Instrumentation de l'Histoire des Requêtes
- Logging et stockage de l'historique des requêtes
- Utilisation de l'historique pour les audits et la résolution de problèmes
- Exploitation des insights de requêtes pour améliorer les performances
Frameworks de Surveillance et d'Observabilité
- Intégration avec des outils et tableaux de bord de surveillance
- Métriques pour la fiabilité et la précision
- Processus d'alerte et de réponse aux incidents
Modèles de Mise en Œuvre d'Entreprise
- Étendre l'observabilité à travers les équipes
- Équilibrer la précision et les performances en production
- Gouvernance et responsabilité pour les sorties de l'IA
Avenir de la Qualité et de l'Observabilité dans WrenAI
- Mécanismes de correction automatisée par IA
- Cadres d'évaluation avancés
- Fonctionnalités à venir pour l'observabilité en entreprise
Résumé et Étapes Suivantes
Pré requis
- Une compréhension des pratiques de qualité et de fiabilité des données
- Une expérience avec SQL et les workflows d'analyse
- Une familiarité avec les outils de surveillance ou d'observabilité
Public cible
- Ingénieurs en fiabilité des données
- Responsables de la BI (Business Intelligence)
- Professionnels QA pour l'analyse
14 Heures