课程简介
在Data+AI的战略目标下,理解数据研发需求、构建AI原生的数据底座、以及深度分析前沿大模型技术与能力边界,从而更加合理地设计与优化AI技术,是实现数据普惠的愿景。
Data Agent作为人工智能(特别是大语言模型)在数据领域落地的革命性应用,数据检索作为Data Agent的第一个关键步骤,在大数据与复杂数据环境中,元数据质量不足、用户查询意图多样性及传统检索技术的局限性,共同构成了数据检索的核心挑战。
企业通过分析用户SQL查询历史与使用习惯,动态优化元数据描述与索引,实现“以用促搜”的闭环增强机制。同时,借助大型推理模型的深度思考能力,构建Agentic RAG框架(以DeepSearch为例),通过多阶段召回、智能推理与工具调用,精准挖掘元数据关联,可以有效应对结构化数据的层级特性与语义歧义问题。
本次分享将深入探讨通过融合大语言模型(LLM)、检索增强生成(RAG)及用户行为与知识驱动的元数据增强技术,构建智能、自适应的数据检索新范式。同时,展望数据检索技术的未来。
课程收益
1、帮助学员掌握数据检索智能化核心框架,精准匹配业务场景需求;
2、帮助学员深度实践大模型智能体与AI Search算法,突破技术落地瓶颈;
3、帮助学员构建Data Agent能力基石,驱动企业全生命周期数据研发智能化
受众人群
数据库与信息检索从业者、AI开发者及工程师、数据管理与分析人员以及其他对AI Native感兴趣的人员
课程周期
0.5天(3H)
课程大纲
1、分享数据检索背景以及挑战
2、大模型AI检索技术带来的启发
3、分享能力建设路径与应用、案例
4、总结与展望
5、QA