Wykorzystanie AI w SQL Server
kod szkolenia: SQL_AI / Std
Szkolenie ma charakter praktyczny, z dużym naciskiem na rzeczywiste scenariusze biznesowe (np. prognozowanie rezygnacji klientów, segmentacja, klasyfikacja dokumentów), a także omawia najlepsze praktyki w zakresie wydajności, bezpieczeństwa i skalowalności rozwiązań AI w SQL Server.
CEL: Pokazać, jak SQL Server może integrować się z AI i ML – poprzez SQL Server Machine Learning Services (Python), integrację z Azure ML, oraz wykorzystanie AI do wspomagania pracy z SQL.
Szkolenie adresowane jest do analityków danych, developerów SQL, specjalistów BI oraz administratorów baz danych, którzy chcą rozszerzyć swoje kompetencje o praktyczne zastosowania sztucznej inteligencji (AI) i uczenia maszynowego (ML) w środowisku SQL Server.
Uczestnicy dowiedzą się, jak:
- integrować SQL Server z językami Python i R do celów analizy i predykcji,
- uruchamiać modele ML bezpośrednio z poziomu T-SQL,
- przetwarzać dane do uczenia modeli oraz wykonywać scoring predykcyjny wewnątrz bazy,
- korzystać z narzędzi AI (takich jak Copilot czy modele językowe) w codziennej pracy z SQL Server.
Dzień 1: ML/AI z poziomu SQL Server
Moduł 1: Wprowadzenie
- Sztuczna inteligencja vs uczenie maszynowe – szybki przegląd
- Scenariusze biznesowe wykorzystania AI w bazie danych
Moduł 2: Machine Learning Services w SQL Server
- Instalacja i architektura ML Services
- Uruchamianie skryptów Python z poziomu T-SQL
- Przykład: scoring modelu predykcyjnego (np. churn)
Moduł 3: Przetwarzanie danych dla ML
- Przygotowanie danych do uczenia: normalizacja, null-handling
- Tworzenie zbiorów treningowych i testowych z użyciem T-SQL
- Feature engineering w SQL Server
Moduł 4: Tworzenie i deployowanie modeli
- Uczenie modeli w Python (np. regresja, drzewa decyzyjne)
- Zapis i użycie modeli w SQL Server
- Wydajność i bezpieczeństwo
Dzień 2: Integracje, automatyzacja, AI-as-a-Service
Moduł 5: Integracja z Azure Machine Learning
- Co to jest Azure ML i jak się łączy z SQL Server
- Przesyłanie danych i wywoływanie endpointów modeli
- Przykład: scoring z użyciem modelu z Azure
Moduł 6: AutoML i AI-as-a-Service
- AutoML z poziomu Azure i integracja przez REST
- Scoring danych w czasie rzeczywistym
Moduł 7: AI wspierający pracę z SQL Server
- Copilot for SQL, Azure OpenAI w pracy analityka
- Generowanie zapytań, optymalizacja, streszczenia danych
- Wspieranie AI przy pisaniu zapytań
Moduł 8: Warsztaty i case study
- Praktyczne zadanie: scoring modelu klienta w SQL Server
- SWOBODNE posługiwanie się językiem SQL.
Polski