آموزش تبدیل متن به SQL با Spring AI: تبدیل پرسش‌ها به کوئری‌های SQL توسط LLMها - آخرین آپدیت

دانلود Spring AI Text-to-SQL: Turning Questions into SQL with LLMs

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: پیاده‌سازی سیستم Text-to-SQL آماده برای محیط عملیاتی با طراحی پرامپت، کنترل اسکیما، اعتبارسنجی SQL و یکپارچه‌سازی امن LLM ساخت یک بک‌اند کامل Text-to-SQL در Spring Boot با استفاده از Spring AI طراحی پرامپت‌های آگاه از اسکیما (Schema-aware) برای بهبود دقت SQL بدون اتکا به RAG کشف داینامیک اسکیماهای دیتابیس در زمان اجرا و استفاده از آن‌ها در پرامپت‌های LLM پیاده‌سازی اعتبارسنجی SQL مبتنی بر AST برای اجرای ایمن تنها کوئری‌های مورد اعتماد اعمال محدودیت‌ها، بررسی جداول/ستون‌ها و جلوگیری از رسیدن SQLهای ناامن به دیتابیس یکپارچه‌سازی یک رابط کاربری (UI) ساده با API برای مشاهده تولید SQL، نتایج و خطاهای اعتبارسنجی پیشنیازها: دانش پایه جاوا و Spring Boot مورد نیاز است. آشنایی با SQL و دیتابیس‌های رابطه‌ای (ترجیحاً PostgreSQL). درک مفاهیم REST API و درخواست‌ها/پاسخ‌های JSON. عدم نیاز به دانش قبلی در مورد AI، LLMها یا توسعه فرانت‌اند.

تبدیل متن به SQL (Text-to-SQL) یکی از قدرتمندترین کاربردهای دنیای واقعی برای مدل‌های زبانی بزرگ است. ایده ساده است: کاربر سوالی را به زبان ساده می‌پرسد و سیستم به‌طور خودکار SQL را تولید و اجرا می‌کند.

> انجام این کار با ChatGPT آسان است.

> اما انجام آن به‌صورت ایمن و صحیح در یک سیستم بک‌اند، دشوار است.

این دوره به شما می‌آموزد چگونه یک سیستم کامل و در سطح عملیاتی Text-to-SQL را با استفاده از Spring AI، Spring Bootو PostgreSQL، با معماری شفاف، کنترل شدید بک‌اند و بدون اتکا به «جادوی AI» بسازید.

شما یک چت‌بات نمی‌سازید.
شما یک داشبورد نمی‌سازید.

شما یک سیستم بک‌اند می‌سازید که بتوانید با اطمینان در محیط کاری خود از آن استفاده کنید.


شامل زیرنویس‌های حرفه‌ای به زبان‌های اسپانیایی، پرتغالی (برزیل)، ژاپنی و چینی.

شامل دسترسی رایگان ۹۰ روزه به IntelliJ IDEA Ultimate برای تجربه توسعه حرفه‌ای.


چه چیزی این دوره را متفاوت می‌کند

بیشتر دموهای AI + SQL که در اینترنت می‌بینید از این الگو پیروی می‌کنند:

سوال کاربر →LLM →SQL →دیتابیس

این دوره نشان می‌دهد که چرا این روش خطرناک است و چگونه سیستم را به‌درستی طراحی کنید:

سوال کاربر →بک‌اند Spring Boot →LLM →اعتبارسنجی SQL →دیتابیس

مدل LLM پیشنهاد می‌دهد.
بک‌اند همه چیز را کنترل می‌کند.


آنچه خواهید ساخت

در طول این دوره، روی یک پروژه واحد Spring Boot کار خواهید کرد که ماژول به ماژول تکامل می‌یابد. به جای مثال‌های ساده، از یک دیتابیس واقعی شرکتی (کارمندان، پروژه‌ها، مشتریان، سفارشات، فاکتورها، پرداخت‌ها) استفاده می‌کنید تا کوئری‌ها شبیه به سیستم‌های واقعی باشند.

شما موارد زیر را خواهید ساخت:

  • یک API تبدیل متن به SQL با استفاده از Spring AI

  • طراحی پرامپت‌های آگاه از اسکیما برای بهبود دقت SQL

  • کشف داینامیک اسکیما از PostgreSQL در زمان اجرا

  • اعتبارسنجی SQL مبتنی بر AST برای مسدود کردن کوئری‌های ناامن

  • اعتبارسنجی جداول و ستون‌ها با استفاده از اسکیمای واقعی

  • اعمال LIMIT و کنترل دسترسی به اجرا

  • یک UI ساده که از API استفاده کرده و نتایج و خطاها را نمایش می‌دهد

در پایان، شما سیستمی خواهید داشت که در آن یک سوال به زبان ساده به یک SQL ایمن و اعتبارسنج شدهو نتایج واقعی دیتابیس تبدیل می‌شود.


آنچه خواهید آموخت

شما یاد خواهید گرفت که چگونه:

  • یک معماری تمیز Text-to-SQL در Spring Boot طراحی کنید

  • رفتار LLM را با استفاده از اسکیما، پرامپت‌ها و منطق بک‌اند کنترل کنید

  • اسکیمای دیتابیس را به‌صورت داینامیک شناسایی و مدیریت کنید

  • از رسیدن SQLهای خطرناک به دیتابیس خود جلوگیری کنید

  • یک UI ساده را با یک API مبتنی بر AI یکپارچه کنید

  • درک کنید که RAG در کجا مفید است و در کجا کاربردی ندارد

این دوره برای چه کسانی است

این دوره برای افراد زیر طراحی شده است:

  • توسعه‌دهندگان جاوا و Spring Boot که به دنبال کاربردهای واقعی AI هستند

  • مهندسان بک‌اند که به معماری و امنیت اهمیت می‌دهند

  • tوسعه‌دهندگانی که با SQL راحت هستند و می‌خواهند کوئری‌ها را با AI خودکار کنند

  • مهندسانی که به دنبال یکپارچه‌سازی عملی AI هستند، نه فقط دموهای ساده

این دوره بر توسعه فرانت‌اند، داشبوردها یا آزمایش‌های صرفاً مبتنی بر پرامپت تمرکز ندارد.


نتیجه نهایی

در پایان این دوره، شما درک خواهید کرد که چگونه LLMها را به‌صورت کنترل‌شده و آماده برای محیط عملیاتی در سیستم‌های بک‌اند ادغام کنید و یک سیستم Text-to-SQL ایمن را از ابتدا با استفاده از Spring AI بسازید.


سرفصل ها و درس ها

مقدمه، راه‌اندازی و مورد کاربرد Text to SQL Introduction, Setup & Text-to-SQL Use Case

  • تبدیل متن به SQL چیست (از دیدگاه بک‌اند) What Is Text-to-SQL (Backend Perspective)

  • جایگاه Text to SQL در سیستم‌های واقعی Where Text-to-SQL Fits in Real Systems

  • مرور کلی سیستم و مسئولیت‌های هر بخش System Overview & Component Responsibilities

  • دریافت رایگان IntelliJ IDEA (۹۰ روزه) Free IntelliJ IDEA (90 Days)

  • راه‌اندازی Spring Boot با Spring AI Setting Up Spring Boot with Spring AI

  • راه‌اندازی PostgreSQL با Docker Setting Up PostgreSQL with Docker

  • مورد کاربرد NexaCorp و مرور مدل داده‌ها NexaCorp Use Case & Data Model Overview

  • بارگذاری و بررسی مجموعه داده‌ها Loading and Exploring the Dataset

  • محدوده دوره، محدودیت‌ها و گام‌های بعدی Course Scope, Constraints & What’s Next

  • نحوه استفاده از مخزن Git دوره How to Use the Course Git Repository

معماری هسته بک‌اند Text to SQL Core Text-to-SQL Backend Architecture

  • جریان کامل (End to End) تبدیل متن به SQL End-to-End Text-to-SQL Flow

  • طراحی قرارداد (Contract) برای API تبدیل متن به SQL Designing the Text-to-SQL API Contract

  • مسئولیت‌های سرویس هسته Core Service Responsibilities

  • فراخوانی LLM برای تولید SQL Calling the LLM to Generate SQL

  • اجرای SQL تولید شده Executing Generated SQL

  • حالت‌های شکست در سیستم‌های ساده Text to SQL Failure Modes in Naive Text-to-SQL Systems

  • خلاصه ماژول و تثبیت معماری Module Summary & Architecture Freeze

  • سوالاتی که می‌توانید با مجموعه داده NexaCorp امتحان کنید Questions You Can Try with the NexaCorp Dataset

طراحی پرامپت آگاه از اسکیما Schema-Aware Prompt Design

  • چرا پرامپت‌های ساده در Text to SQL شکست می‌خورند Why Naive Prompts Fail in Text-to-SQL

  • نمایش اسکیما دیتابیس در پرامپت‌ها Representing Database Schema in Prompts

  • افزودن توصیفات جداول و ستون‌ها Adding Table and Column Descriptions

  • کدگذاری قوانین کسب‌وکار در پرامپت‌ها Encoding Business Rules in Prompts

  • الگوهای طراحی پرامپت برای Text to SQL Prompt Design Patterns for Text-to-SQL

کشف و مدیریت داینامیک اسکیما Dynamic Schema Discovery & Management

  • چرا اسکیمای استاتیک کافی نیست Why Static Schema Is Not Enough

  • کشف داینامیک اسکیما از PostgreSQL Dynamic Schema Discovery from PostgreSQL

  • غنی‌سازی اسکیما با توصیفات Enriching Schema with Descriptions

  • کوئری‌های SQL مورد استفاده برای کشف داینامیک اسکیما SQL Queries Used for Dynamic Schema Discovery (PostgreSQL)

  • کشینگ و پایداری اسکیمای داینامیک Caching and Stability of Dynamic Schema

  • راستی‌آزمایی کامل (End to End) اسکیمای داینامیک Dynamic Schema End-to-End Verification

امنیت و اعتبارسنجی SQL برای Text to SQL SQL Safety & Validation for Text-to-SQL

  • چرا اعتبارسنجی SQL اجباری است Why SQL Validation Is Mandatory

  • ساخت اعتبارسنج SQL با استفاده از تجزیه AST Building the SQL Validator Using AST Parsing

  • درک کمکی SqlAstUtils برای اعتبارسنجی SQL Understanding the SqlAstUtils Helper Used for SQL Validation

  • اعتبارسنجی جداول و ستون‌ها با اسکیمای داینامیک Validating Tables and Columns with Dynamic Schema

  • اعمال LIMIT و کنترل دسترسی به اجرا LIMIT Enforcement and Execution Gating

  • قوانین اعتبارسنجی SQL اعمال شده توسط بک‌اند SQL Validation Rules Enforced by the Backend

  • تضمینات فعلی سیستم بک‌اند What the Backend Now Guarantees

یکپارچه‌سازی UI ساده با API تبدیل متن به SQL Simple UI Integration with the Text-to-SQL API

  • فراخوانی API تبدیل متن به SQL از یک صفحه HTML Calling the Text-to-SQL API from an HTML Page

  • نمایش خطاهای اعتبارسنجی در رابط کاربری Displaying Validation Errors in the UI

نمایش نظرات

آموزش تبدیل متن به SQL با Spring AI: تبدیل پرسش‌ها به کوئری‌های SQL توسط LLMها
جزییات دوره
2 hours
38
(آخرین آپدیت)
320
4.6 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Infiproton Tech Infiproton Tech

مهندس | منتور | راهنمای شما برای یادگیری مهارت‌های کدنویسی واقعی

Harish B N Harish B N

برنامه‌نویس نرم‌افزار، کوچ و مدرس