In diesem Modul erfahren Sie, wie Sie mit Cortex Search Erkenntnisse aus unstrukturierten Datenquellen gewinnen können. Sie lernen, wie Sie Dokumente laden, parsen und zerlegen und dann einen Suchdienst aufbauen, der sowohl die Unternehmenssuche als auch RAG-basierte Chatbots unterstützen kann. Sie erfahren, wie die hybride Suche funktioniert (Kombination von Schlüsselwörtern und semantischer Suche) und wie Sie die Qualität der Suchergebnisse messen können. Sie werden auch sehen, wie Sie Ihren Cortex-Suchdienst durch den Aufbau einer Pipeline mit Tasks und Streams auf dem neuesten Stand halten können. Schließlich werden Sie mit Streamlit ein Frontend für die Anwendung erstellen, damit Sie die Anwendung für Benutzer bereitstellen können. Am Ende dieses Moduls werden Sie eine funktionierende RAG-Anwendung in einem Snowflake Notebook erstellt haben, die natürlichsprachliche Fragen aus unstrukturierten Dokumenten beantworten kann - etwas, das zuvor eine manuelle Analyse erforderte oder einfach unzugänglich war.

In diesem Modul geht es um die Umwandlung strukturierter Geschäftsdaten, wie sie in Snowflake-Tabellen zu finden sind, in eine Schnittstelle für natürliche Sprache. Sie lernen, wie Sie Anwendungen erstellen, die Fragen mit Cortex Analyst in SQL konvertieren. Dazu gehören die Definition semantischer Modelle, die dem LLM helfen, Ihre Daten zu verstehen, die Generierung präziser SQL und die Rückgabe präziser Antworten. Außerdem lernen Sie, wie Sie die Analyst API aufrufen und konversationelle Anwendungen mit mehreren Umdrehungen erstellen, die mit Ihren strukturierten Datensätzen interagieren. Dann lernen Sie, wie Sie die Ergebnisse von Cortex Analyst übernehmen und mit einem LLM zurück in natürliche Sprache übersetzen. Zuletzt werden Sie ein Frontend mit Streamlit erstellen, damit Ihre Anwendung für den Geschäftsbetrieb bereit ist. Am Ende werden Sie eine funktionierende Text-zu-SQL-Anwendung haben, die Geschäftsanwendern hilft, die benötigten Antworten zu erhalten, ohne selbst eine einzige Zeile SQL zu schreiben.