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 l'analytique alimentée par l'IA
- Défis de l'évaluation NL-to-SQL
- Frameworks pour la surveillance de la qualité
Évaluation de la précision NL-to-SQL
- Définir les critères de succès pour les requêtes générées
- Établir des références et des ensembles de données de test
- Automatiser les pipelines d'évaluation
Techniques de réglage des requêtes
- Optimisation des requêtes pour la précision et l'efficacité
- Adaptation du domaine par le réglage
- Gestion des bibliothèques de requêtes pour l'usage enterprise
Suivi des dérives et de la fiabilité des requêtes
- Compréhension de la dérive des requêtes en production
- Surveillance de l'évolution du schéma et des données
- Détection d'anomalies dans les requêtes utilisateurs
Instrumentation de l'historique des requêtes
- Journalisation et stockage de l'historique des requêtes
- Utilisation de l'historique pour les audits et le dépannage
- Exploitation des insights des requêtes pour les améliorations de performance
Frameworks de surveillance et d'observabilité
- Intégration avec les outils de surveillance et tableaux de bord
- Métriques pour la fiabilité et la précision
- Processus d'alerte et de réponse aux incidents
Modèles d'implémentation enterprise
- Mise à l'échelle de l'observabilité à travers les équipes
- Équilibre entre précision et performance en production
- Gouvernance et responsabilité des sorties de l'IA
Avenir de la qualité et de l'observabilité dans WrenAI
- Mécanismes d'auto-correction alimentés par l'IA
- Frameworks d'évaluation avancés
- Fonctionnalités à venir pour l'observabilité enterprise
Résumé et prochaines étapes
Pré requis
- Une compréhension des pratiques de qualité et de fiabilité des données
- Une expérience avec les workflows SQL et analytiques
- Une familiarité avec les outils de surveillance ou d'observabilité
Audience cible
- Ingénieurs de la fiabilité des données
- Chefs de projet BI
- Professionnels QA pour l'analytique
14 Heures