Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
Varighet 14 timer
Kursplan
Innføring til kvalitet og observerbarhet i WrenAI
- Hvorfor observerbarhet er viktig i AI-drevet analyse
- Utfordringer i evaluering av naturlig språk til SQL
- Rammer for overvåking av kvalitet
Evaluering av nøyaktighet fra naturlig språk til SQL
- Definering av suksesskriterier for genererte spørringer
- Etablering av referanseverdier og testdatasets
- Automatisering av evalueringssøveier
Teknikk for justering av prompter
- Optimering av prompter for nøyaktighet og effektivitet
- Domene tilpasning gjennom justering
- Ledelse av promptbiblioteker for foretaksbruk
Sporings av drayft og spørringspålidelighet
- Forståelse av spørringsdrayft i produksjon
- Overvåking av skema- og datautvikling
- Deteksjon av anomlier i brukerspørringer
Instrumentering av spørringshistorikk
- Logging og lagring av spørringshistorikk
- Bruk av historikk for revisjon og feilsøking
- Utnyttelse av innsikt i spørringer for ytelsesforbedringer
Overvåkings- og observerbarhetsrammer
- Integrering med overvåkingsverktøy og dashboards
- Metriker for pålitelighet og nøyaktighet
- Alarm- og hendelsesresponsprosesser
Implementeringsmønstre for foretak
- Skalering av observerbarhet tvers over lag
- Balanse mellom nøyaktighet og ytelse i produksjon
- Governance og ansvarlighet for AI-utdata
Framtid for kvalitet og observerbarhet i WrenAI
- AI-drevne selvkorreksjonsmekanismer
- Avanserte evalueringrammer
- Kommende funksjoner for foretaksovervåking
Oppsummering og neste steg
Krav
- Forståelse av praksis for datakvalitet og pålitelighet
- Erfaring med SQL og analysearbeidsflyter
- Kjennskap til overvåkings- eller observerbarhetsverktøy
Målgruppe
- Ingeniører for datapålitelighet
- BI-ledere
- Kvalitetsprofessorer for analyse
