ChatGPTとデータベースを連携させるText to SQLの魅力と実用性とは？ - AITC - ISID | AI トランスフォーメンションセンター コラム
こんにちは、AIソリューショングループの太田です。 この記事では、生成AIのソリューション開発エンジニアの方やAI関連のDX担当者の方に向けてChatGPTとデータベースの連携を可能にするText to SQL技術ついてご紹介します。 昨年からChatGPTに代表される生成AIを導入する企業が増えています。生成AI活用の第一歩として、社内にあるPDFやテキスト文書を使用し生成AIの実用性を試すという方が多いですが、次のステップとして社内データベースとChatGPTを連携できないか検討され始めています。 こうしたニーズの背景にはデータ活用における、あるギャップが存在します。 これまで、データベースの管理や操作を実施してきたのは主にエンジニアであり、エンジニアはSQLと呼ばれる操作言語を使用してデータベースを操作します。 一方で、データを利用したいと考えてるビジネスユーザーでSQLを精通してい
The annotated table of contents
前書き - インデックスの作成はなぜ開発者のタスクなのか インデックスの 内部構造 - インデックスは何に似ているか インデックス リーフノード - 二重連結リスト 検索 ツリー(Bツリー) - バランス木 遅いインデックス パートI - インデックスを遅くする2つの原因 where 句 - 検索のパフォーマンスを改善するためにインデックスを作成 等価 演算子 - 一致するキーの検索 プライマリキー - インデックスの使い方を確認 複合インデックス - 複数列に対するインデックス 遅いインデックス パートII - 前の問題点が再び 関数 - where句の 中での関数 大文字・小文字を区別する 検索 - UPPERと LOWER ユーザ定義 関数 - 関数インデックスの制限 インデックスの作り過ぎ - 冗長性の排除法 パラメータ化 クエリ - セキュリティとパフォーマンスのために 範囲 検
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
SQL Training 2021
