Kursplan

Innføring i Kvalitet og Observabilitet i WrenAI

  • Hvorfor observabilitet er viktig i AI-drevne analyser
  • Ufordel i evaluering av NL to SQL
  • Rammer for kvalitetsmontering

Evaluering av NL to SQL-nøyaktighet

  • Definere suksesskriterier for genererte spørringer
  • Opprette benchmark og testdata
  • Automatisere evalueringsteam

Prompt Tuning-teknikker

  • Optimalisere prompts for nøyaktighet og effektivitet
  • Domeneanpassning gjennom tuning
  • Administrere promptbiblioteker for virksomhetsbruk

Spore drift og spørringens pålitelighet

  • Forståelse av spørringsdrift i produksjon
  • Overvåke skjema- og datautvikling
  • Detektere anomali i brukerspørringer

Instrumentering av spørringshistorikk

  • Loggføre og lagre spørringshistorikk
  • Bruke historikk for auditorier og felsøk
  • Nyttgjøre spørringsinsikter for yteforbedringer

Overvåking og Observabilitetsrammeverk

  • Integrere med overvåkingstverktyer og dashboarder
  • Mål for pålitelighet og nøyaktighet
  • Alarm- og hendelsesresponssprosesser

Virksomhetstilpasningsmønstre

  • Skalere observabilitet over team
  • Balansere nøyaktighet og yteevne i produksjon
  • Styring og ansvarlighetsvurderinger for AI-utdata

Fremtiden for Kvalitet og Observabilitet i WrenAI

  • AI-drevne selvrettende mekanismer
  • Avanserte evalueringstilnærminger
  • kommende funksjoner for virksomhetsovervåking

Oppsummering og Neste Trinn

Krav

  • Forståelse av kvalitets- og pålitelhetspraksiser
  • Erfaring med SQL og analyseringarbeidsganger
  • Familiaritet med overvåking eller observabilitetstverktyer

Målgruppe

  • Data pålitelhetsingeniører
  • BI-ledere
  • Kvalitetsassurancespesialister for analysering
 14 timer

Antall deltakere


Pris per deltaker

Kommende kurs

Relaterte kategorier