課程簡(jiǎn)介

了解ChatBI的概念、價(jià)值和應(yīng)用場(chǎng)景。
掌握使用自然語言進(jìn)行數(shù)據(jù)查詢、可視化和分析的技能。
學(xué)習(xí)將AI技術(shù)（如機(jī)器學(xué)習(xí)、自然語言處理、LLM等）應(yīng)用于數(shù)據(jù)分析，實(shí)現(xiàn)更深層次的洞察。
掌握主流ChatBI平臺(tái)的使用方法和最佳實(shí)踐。
能夠構(gòu)建自己的ChatBI原型系統(tǒng)，并集成智能化Agent。
深入理解NL2SQL技術(shù)，并能應(yīng)用于實(shí)際場(chǎng)景。

目標(biāo)收益

培訓(xùn)對(duì)象

數(shù)據(jù)分析師、BI工程師、業(yè)務(wù)人員、產(chǎn)品經(jīng)理，以及對(duì)使用自然語言進(jìn)行數(shù)據(jù)分析和智能化應(yīng)用感興趣的人。

課程內(nèi)容

第一天：ChatBI基礎(chǔ)與實(shí)踐
?模塊 1：ChatBI概述 (上午)
o什么是ChatBI？概念、歷史、發(fā)展趨勢(shì)
oChatBI的價(jià)值與優(yōu)勢(shì)：提升數(shù)據(jù)分析效率、降低數(shù)據(jù)分析門檻、增強(qiáng)用戶體驗(yàn)
oChatBI的應(yīng)用場(chǎng)景：自助式分析、實(shí)時(shí)監(jiān)控、決策支持、智能報(bào)告
oChatBI的架構(gòu)與核心組件：自然語言理解(NLU)、數(shù)據(jù)查詢引擎、可視化引擎、LLM集成模塊、Agent調(diào)度模塊
o主流ChatBI平臺(tái)介紹：Tableau CRM (Einstein Discovery)、ThoughtSpot、Power BI Q&A、微搭等
?模塊 2：自然語言理解(NLU)基礎(chǔ)與LLM應(yīng)用 (上午)
oNLU的核心任務(wù)：意圖識(shí)別、實(shí)體提取、語義理解、關(guān)系抽取
oNLU的常用技術(shù)：詞向量、循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、Transformer、LLM微調(diào)
oNLU的評(píng)估指標(biāo)：準(zhǔn)確率、召回率、F1值
o使用NLU工具構(gòu)建簡(jiǎn)單的意圖識(shí)別模型：Rasa, Dialogflow, LUIS等
o利用LLM進(jìn)行意圖識(shí)別和實(shí)體提?。篜rompt工程、Few-shot learning
o動(dòng)手實(shí)踐：使用在線NLU平臺(tái)和LLM API構(gòu)建一個(gè)更強(qiáng)大的查詢意圖識(shí)別模型
?模塊 3：使用ChatBI進(jìn)行數(shù)據(jù)探索 (下午)
o使用自然語言進(jìn)行數(shù)據(jù)查詢：指定指標(biāo)、維度、過濾條件、復(fù)雜邏輯
oChatBI平臺(tái)的查詢語法與最佳實(shí)踐：如何編寫清晰、有效的查詢語句，如何利用LLM生成更智能的查詢建議
oChatBI平臺(tái)支持的可視化類型：柱狀圖、折線圖、餅圖、地圖等
o使用自然語言生成可視化報(bào)告：自動(dòng)選擇合適的圖表類型、添加標(biāo)題和說明，利用LLM生成報(bào)告摘要和關(guān)鍵發(fā)現(xiàn)
o動(dòng)手實(shí)踐：使用Tableau CRM或ThoughtSpot等平臺(tái)，連接數(shù)據(jù)源，使用自然語言進(jìn)行更復(fù)雜的數(shù)據(jù)查詢和可視化，并生成智能報(bào)告
?模塊 4：ChatBI高級(jí)應(yīng)用與Agent集成 (下午)
o創(chuàng)建自定義詞匯表和知識(shí)圖譜：提升NLU的準(zhǔn)確率，擴(kuò)充領(lǐng)域知識(shí)
o構(gòu)建多輪對(duì)話：實(shí)現(xiàn)更復(fù)雜的分析場(chǎng)景，利用LLM管理對(duì)話狀態(tài)
o集成第三方API：擴(kuò)展ChatBI的功能，與外部數(shù)據(jù)源、應(yīng)用服務(wù)連接
oChatBI平臺(tái)的權(quán)限管理和安全設(shè)置
oAgent框架介紹：LangChain, AutoGPT等
o構(gòu)建簡(jiǎn)單的Agent：連接LLM、工具、內(nèi)存，實(shí)現(xiàn)自動(dòng)化分析任務(wù)
o動(dòng)手實(shí)踐：為ChatBI平臺(tái)添加行業(yè)特定詞匯，利用Agent實(shí)現(xiàn)自動(dòng)化的數(shù)據(jù)清洗和預(yù)處理任務(wù)
第二天：智能數(shù)據(jù)分析與NL2SQL
?模塊 5：機(jī)器學(xué)習(xí)基礎(chǔ)與智能化分析 (上午)
o機(jī)器學(xué)習(xí)概述：監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)
o常用的機(jī)器學(xué)習(xí)算法：線性回歸、邏輯回歸、決策樹、支持向量機(jī)(SVM)、K均值聚類
o機(jī)器學(xué)習(xí)模型的評(píng)估指標(biāo)：準(zhǔn)確率、召回率、F1值、AUC
o使用Python和Scikit-learn構(gòu)建簡(jiǎn)單的機(jī)器學(xué)習(xí)模型
o智能化分析技術(shù)：異常檢測(cè)、聚類、預(yù)測(cè)、關(guān)聯(lián)分析
o動(dòng)手實(shí)踐：使用Scikit-learn構(gòu)建一個(gè)智能化的客戶流失預(yù)測(cè)模型
?模塊 6：NL2SQL技術(shù) (上午)
o什么是NL2SQL？定義、挑戰(zhàn)、應(yīng)用場(chǎng)景
oNL2SQL的常用方法：基于規(guī)則、基于語義解析、基于深度學(xué)習(xí)
oNL2SQL的評(píng)估指標(biāo)：準(zhǔn)確率、召回率、執(zhí)行成功率
o開源NL2SQL工具：SQLCoder, Google's TAPAS, Bridge2SQL
o使用LLM進(jìn)行NL2SQL：Prompt工程、Few-shot learning
o動(dòng)手實(shí)踐：使用LLM API和開源工具將自然語言查詢轉(zhuǎn)換為SQL語句
?模塊 7：將AI模型與NL2SQL集成到ChatBI (下午)
o將機(jī)器學(xué)習(xí)模型部署為API服務(wù)：使用Flask或FastAPI
oChatBI平臺(tái)調(diào)用API服務(wù)：實(shí)現(xiàn)自動(dòng)異常檢測(cè)、智能預(yù)測(cè)等功能
o在ChatBI中展示AI分析結(jié)果：使用圖表、表格等可視化組件，使用自然語言解釋分析結(jié)果
o利用NL2SQL從數(shù)據(jù)庫中提取數(shù)據(jù)，進(jìn)行更靈活的AI分析
o用戶與AI模型交互：調(diào)整模型參數(shù)、查看模型解釋
o動(dòng)手實(shí)踐：將智能化預(yù)測(cè)模型部署為API，使用NL2SQL從數(shù)據(jù)庫中提取數(shù)據(jù)，并在ChatBI平臺(tái)中調(diào)用
?模塊 8：ChatBI應(yīng)用案例分析與未來展望 (下午)
o案例1：基于LLM和Agent的智能投顧
o案例2：基于NL2SQL的自助式數(shù)據(jù)分析
o案例3：基于異常檢測(cè)的智能風(fēng)控
o案例4：基于時(shí)序預(yù)測(cè)的供應(yīng)鏈優(yōu)化
o案例分析：技術(shù)架構(gòu)、實(shí)施步驟、挑戰(zhàn)與解決方案
oChatBI的未來發(fā)展趨勢(shì)：多模態(tài)交互、個(gè)性化推薦、自動(dòng)化智能增強(qiáng)
o開放討論：學(xué)員分享實(shí)際工作中的數(shù)據(jù)分析需求，探討如何使用ChatBI和智能數(shù)據(jù)分析技術(shù)解決問題
可選模塊 (可根據(jù)客戶需求調(diào)整)
?LLM微調(diào)與Prompt工程高級(jí)技巧
o針對(duì)ChatBI場(chǎng)景的LLM微調(diào)策略
o復(fù)雜Prompt設(shè)計(jì)：Chain-of-Thought, Tree of Thoughts
oPrompt安全與注入攻擊防范
?Agent框架與工具高級(jí)應(yīng)用
oLangChain進(jìn)階：Memory、Chains、Callbacks
oAutoGPT：自主探索與決策
o自定義Agent設(shè)計(jì)與開發(fā)
?高級(jí)NL2SQL技術(shù)
o跨數(shù)據(jù)庫NL2SQL
o復(fù)雜SQL語句生成與優(yōu)化
o基于LLM的知識(shí)圖譜構(gòu)建與查詢
工具與技術(shù)：
?主流ChatBI平臺(tái)：Tableau CRM (Einstein Discovery)、ThoughtSpot、Power BI Q&A、微搭等
?NLU工具：Rasa, Dialogflow, LUIS等
?機(jī)器學(xué)習(xí)庫：Scikit-learn
?API部署框架：Flask, FastAPI
?智能數(shù)據(jù)分析平臺(tái)：DataRobot, H2O.ai, Amazon SageMaker Autopilot
?LLM API: OpenAI GPT系列, Google PaLM, Azure OpenAI
?Agent框架：LangChain, AutoGPT
?NL2SQL工具：SQLCoder, Google's TAPAS, Bridge2SQL
?可選：開源工具與框架：Rasa, Streamlit, Metabase