آموزش تبدیل متن به SQL: استفاده از Amazon Redshift Serverless برای تولید SQL مولد در Amazon Q - آخرین آپدیت

دانلود Text to SQL: Amazon Redshift Serverless for Generative SQL in Amazon Q

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: آیا آماده استخراج داده‌ها و دستیابی به بینش‌های سریع‌تر هستید؟ در این دوره، نحوه فعال‌سازی قابلیت تبدیل متن به SQL با استفاده از دستیار هوش مصنوعی Amazon Q در ویرایشگر کوئری Amazon Redshift را بیاموزید تا بتوانید با استفاده از مهندسی پرامپت (Prompt Engineering) و تولید تقویت‌شده با بازیابی (RAG)، کوئری‌های بهینه ایجاد کنید. مدرس دوره، Wendy Wong، شما را با معماری Amazon Q آشنا می‌کند تا بتوانید شمای جداول را از داده‌های خود شناسایی کرده و دشواری‌های درک روابط بین جداول را کاهش دهید. در طول این مسیر، یاد می‌گیرید که چگونه از پرامپت‌های زبان طبیعی برای تولید SQLهای سفارشی استفاده کنید. در پایان این دوره، شما آماده خواهید بود تا از Amazon Q برای عیب‌یابی خطاهای کدنویسی و بازتولید کدهایی که در SQL Notebook قابل اجرا هستند، استفاده کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • آنچه باید بدانید What you should know

  • تبدیل متن به SQL با Amazon Q Text to SQL with Amazon Q

1. تبدیل متن به SQL 1. Text to SQL

  • تولید کد با مهندسی پرامپت Generating code with prompt engineering

  • کاربردهای هوش مصنوعی مولد Applications of generative AI

  • موارد استفاده رایج Common use cases

2. SQL مولد در Amazon Redshift Serverless 2. Generative SQL in Amazon Redshift Serverless

  • SQL مولد Amazon Q در Amazon Redshift Amazon Q generative SQL in Amazon Redshift

  • درک مزایای Redshift Understanding the benefit of Redshift

  • مطالعه موردی ۲ Case study 2

  • مطالعه موردی ۱ Case study 1

3. شروع کار با SQL مولد 3. Getting Started with Generative SQL

  • حریم خصوصی و امنیت داده‌ها Data privacy and security

  • مناطق پشتیبانی شده AWS Supported AWS regions

  • موارد استفاده برای NLP Use cases for NLP

  • پیش‌نیازهای لازم Prerequisite knowledge

  • درک گزینه‌های قیمت‌گذاری Understanding pricing options

  • پردازش زبان طبیعی (NLP) Natural language processing (NLP)

  • آزمایش و تجربه Experimentation

4. معماری راهکار مدل‌های زبانی بزرگ (LLMs) 4. Solution Architecture of LLMs

  • تولید کوئری‌های SQL Generating SQL queries

  • دسترسی به تاریخچه کوئری‌ها Accessing query history

  • مهندسی پرامپت در محیط کوئری SQL Prompt engineering in SQL query context

  • عیب‌یابی خطاهای کوئری SQL Troubleshooting SQL query errors

  • درک معماری راهکار Understanding the solution architecture

  • قابلیت RAG در محیط کوئری SQL RAG in SQL query context

  • کوئری‌های SQL چگونه تولید می‌شوند؟ How are SQL queries generated?

  • بهترین روش: پرسیدن یک سوال درست Best practice: Asking a good question

5. ایجاد یک دیتابیس Serverless 5. Create a Serverless Database

  • درک مجوزهای IAM Understanding IAM permissions

  • راه‌اندازی دیتابیس در Amazon Redshift Serverless Spinning up a database in Amazon Redshift Serverless

  • کلاسترهای Provisioned در Amazon Redshift Amazon Redshift provisioned clusters

  • درک مفهوم Amazon Redshift Serverless Understanding Amazon Redshift Serverless

  • اجرای ویرایشگر کوئری Launching query editor

  • مقدمه‌ای بر Amazon Redshift Introduction to Amazon Redshift

  • ایجاد یک Workgroup Creating a workgroup

6. ایجاد یک جدول 6. Create a Table

  • نوشتن کوئری برای ایجاد جدول در ویرایشگر Amazon Redshift Writing a query to create a table in Amazon Redshift Query Editor

  • جداول و شمای‌ها Tables and schemas

  • درک داده‌های ساختاریافته Understanding structured data

  • بارگذاری داده‌ها در جدول Loading data into the table

  • معرفی مجموعه‌داده‌ها Introducing the datasets

  • مشاهده شما (Schema) Viewing the schema

  • تعریف یک شما (Schema) Defining a schema

  • گزینه‌های منابع داده باز Open data source options

7. SQL سطح متوسط 7. Intermediate SQL

  • تولید کوئری‌های SQL مرتبط‌تر Producing more relevant SQL queries

  • تعیین تعداد روزهای کاری بین دو تاریخ Determining the number of working days between two dates

  • ایجاد دستورات CASE Creating CASE statements

  • دیباگ کردن پیام‌های خطای SQL Debugging SQL error messages

  • فیلتر کردن داده‌ها Filtering data

  • اتصال جداول متعدد (Multi table joins) Multi-table joins

  • ایجاد یک View Creating a view

  • بررسی کوئری‌های تو در تو (Nested queries) Exploring nested queries

8. SQL پیشرفته 8. Advanced SQL

  • گروه‌بندی داده‌ها با ROLLUP Grouping data with ROLLUP

  • رتبه‌بندی ردیف‌ها بر اساس معیارهای خاص Ranking the rows on specific criteria

  • یافتن ۱۰ ردیف اول از یک مجموعه نتایج Finding the top 10 rows of a result set

  • محاسبه مجموع 누적 (Running Total) Computing a running total

  • یافتن ردیف‌های تکراری Finding duplicate rows

  • به‌دست آوردن تمام ردیف‌هایی که نتیجه‌شان در یک Subquery است Obtaining all rows where the result is in a subquery result

  • شمارش ردیف‌های تکراری Counting duplicate rows

  • لیست کردن بالاترین ردیف از یک مجموعه نتایج Listing the highest row of a result set

جمع‌بندی Conclusion

  • پاک‌سازی منابع Cleaning up resources

  • منابع برای یادگیری بیشتر Resources for additional learning

  • خلاصه‌سازی دوره Summarizing the course

نمایش نظرات

آموزش تبدیل متن به SQL: استفاده از Amazon Redshift Serverless برای تولید SQL مولد در Amazon Q
جزییات دوره
2h 49m
58
(آخرین آپدیت)
3,338
- از 5
دارد
دارد
دارد
Wendy Wong
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Wendy Wong Wendy Wong

تحلیلگر کسب و کار، دانشمند داده و معلم

وندی وانگ یک تحلیلگر عملکرد تجاری در Service NSW و یک قهرمان داده AWS است.

وندی از تخصص ابر و داده خود برای حل مشکلات تجاری با تجزیه و تحلیل پیچیده در مقیاس استفاده می کند. او دارای مدرک کارشناسی ارشد علوم داده، گواهی فارغ التحصیلی در ویرایش و انتشار، و یک دانشیار معمار راه حل های AWS است. او مدرس اصلی مجمع عمومی سیدنی و مدرس مدرسه بازرگانی کاپلان است. او نویسنده، سخنران و مربی صنعت در جامعه داده است.