Generación de Esquema para Consultar un Lago de Datos

Resumen

Explora técnicas de generación de esquemas utilizando LLMs para la consulta en data lakehouses, centrándose en la implementación de GraphQL, la infusión de conocimiento y las capacidades de razonamiento para una recuperación de datos efectiva.

Programa de estudio

• Introducción a los Data Lakehouses
Visión general de los Data Lakehouses
Importancia de los esquemas en la recuperación de datos
• Comprensión de los Modelos de Lenguaje de Gran Escala (LLMs)
Fundamentos de los LLMs
Aplicaciones de los LLMs en la generación de esquemas
• Principios de diseño de esquemas para Data Lakehouses
Tipos y estructuras de esquemas
Mejores prácticas en el desarrollo de esquemas
• Implementación de GraphQL para Data Lakehouses
Introducción a GraphQL
Configuración de una API de GraphQL
Consulta de datos con GraphQL
• Técnicas para la generación de esquemas usando LLMs
Generación automática de esquemas
Integración de LLMs en el diseño de esquemas
Estudios de caso: Implementaciones exitosas
• Infusión de conocimiento en la generación de esquemas
Extracción e infusión de conocimiento de dominio
Técnicas para la representación del conocimiento
• Mejora de las capacidades de razonamiento en el diseño de consultas
Razonamiento lógico para consultas complejas
Aprovechamiento de LLMs para mejorar el razonamiento de consultas
• Aplicaciones prácticas y ejemplos prácticos
Construcción y prueba de soluciones de esquema
Proyectos de ejemplo en el mundo real
• Estrategias de evaluación y optimización
Prueba de efectividad de los esquemas
Técnicas de optimización del rendimiento
• Tendencias futuras en la generación de esquemas y la consulta de Data Lakehouses
Tecnologías emergentes
Direcciones e innovaciones futuras
• Resumen y conclusión del curso
Resumen de los conceptos clave
Lecturas y recursos adicionales
• Presentación del proyecto final
Diseño y presentación de una propuesta de esquema
Retroalimentación y revisión por pares

Asignaturas

Programación