工程师
其他
金融
大模型
推荐课程
average > 0 ? $model->average . '分' : '10.0分' ?>

AI大模型赋能数据治理:从“被动治理”到“智能驱动”的转型实践

刘飞

某知名咨询公司 云平台系统架构师

毕业于⼤连理⼯⼤学
简介:
精通开源的⼤数据⽣态技术和架构,Hadoop、Hive、Hbase、 Spark、Flink等开源技术栈。
有10年左右基于⼤数据解决⽅案平台、数据架构、数据中台、数据治理、数据分析和挖掘的⼤型数据湖和数
据中台项⽬架构实施经验,
⽬前任职国内知名咨询公司,先后服务于北京⼤学软件研究所、阿⾥巴巴、Teradata,实施过基于开源⼤数据技术
栈的数据湖解决⽅案和实施、湖仓⼀体架构咨询和实施、数据中台的咨询和设施
最近主要项⽬介绍:
某移动⼤数据平台架构设计和设施 (Hadoop、Spark)
四⼤⾏之⼀的数据湖咨询和实施
某⼤型商业银⾏数据中台咨询
某银⾏基于开源⼤数据技术栈数据中台的咨询和实施
某航空公司数据平台流批⼀体解决⽅案和实施
特长:
在⼤数据架构、开发、运维和优化、数据集成、 数据湖(Data Lake)、数据建模、数据挖掘/机器学习、数据
中台等⽅⾯有丰富经 验。

毕业于⼤连理⼯⼤学 简介: 精通开源的⼤数据⽣态技术和架构,Hadoop、Hive、Hbase、 Spark、Flink等开源技术栈。 有10年左右基于⼤数据解决⽅案平台、数据架构、数据中台、数据治理、数据分析和挖掘的⼤型数据湖和数 据中台项⽬架构实施经验, ⽬前任职国内知名咨询公司,先后服务于北京⼤学软件研究所、阿⾥巴巴、Teradata,实施过基于开源⼤数据技术 栈的数据湖解决⽅案和实施、湖仓⼀体架构咨询和实施、数据中台的咨询和设施 最近主要项⽬介绍: 某移动⼤数据平台架构设计和设施 (Hadoop、Spark) 四⼤⾏之⼀的数据湖咨询和实施 某⼤型商业银⾏数据中台咨询 某银⾏基于开源⼤数据技术栈数据中台的咨询和实施 某航空公司数据平台流批⼀体解决⽅案和实施 特长: 在⼤数据架构、开发、运维和优化、数据集成、 数据湖(Data Lake)、数据建模、数据挖掘/机器学习、数据 中台等⽅⾯有丰富经 验。

课程费用

6800.00 /人

课程时长

2

成为教练

课程简介

本课程聚焦AI大模型如何重塑数据治理模式,推动从“被动响应”向“智能驱动”的范式跃迁。两天沉浸式教学将系统解析大模型的能力边界与落地方法论,深入探讨AI Agent在数据标准、元数据、质量、安全等核心治理域的实战应用,并辅以元数据管理、质量监控、分级分类等动手实操。课程还涵盖高价值场景解析、持续运营体系构建及金融/互联网行业案例,帮助学员掌握将大模型嵌入治理流程的关键技能,实现治理效率与智能水平的双重提升。

目标收益

1.厘清大模型“理解-推理-生成”的本质,明确其在数据治理中的适用边界与落地条件。
2.掌握“三层五阶八步”及“场景12问”等AI应用场景识别与评估方法论。
3.学会运用AI Agent智能完成标准制定、血缘挖掘、质量规则推荐与异常修复、敏感数据分级分类等任务。
4.通过四大实战演练(元数据、标准、质量、分级分类Agent),熟练构建与调优治理型智能体。
5.建立持续运营思维,掌握自动化评估、人工反馈循环、全链路可观测等长效运营机制。

培训对象

企业数据治理负责人、数据管理专员、数据架构师
大数据平台开发工程师、AI应用工程师
数字化转型部门、IT运维及合规安全相关人员
对AI+数据治理融合感兴趣的技术管理者与业务骨干

课程大纲

Day1
AI大模型是否可用于数据治理?——AI发展与能力边界
传统数据治理问题
为什么AI 数据治理成为趋势
大模型能力的“真实画像”——不是万能,但非常强大
—大模型的本质:不是搜索引擎,而是"理解-推理-生成"引擎
—大模型的智力之源
—大模型的核心能力
AI大模型的能力边界
—别把大模型应用,当成大模型
—大模型 vs. AI Agent:从"能想"到"能做"
Agent能力拆解
Day1
AI赋能数据治理的总体思路与场景识别方法
数据治理的目标
—DAMA知识体系
—AI数据治理体系
数据治理过程中的AI应用场景识别
—AI应用落地的方法论:三层五阶八步
—“场景12问”,对AI价值场景进行详细评估
AI应用在数据治理中的典型场景示例
Day1
AI Agent在数据治理中的应用
一、 数据标准管理
1. 标准智能制定
2. 标准智能落标
3.标准智能维护
二、元数据管理
1.元数据智能挖掘
2.数据血缘智能挖掘
3.数据智能分类
三、数据质量管理
1. 质量规则推荐
2. 质量阈值推荐
3. 质量异常自动定位
4. 质量异常智能修复
四、数据安全管理
1.敏感数据智能识别
2.智能数据分级分类
3. 脱敏/加密规则推荐
4. 数据风险智能识别
Day2
AI Agent数据治理实战
元数据管理Agent实战
—Skill梳理和实操
数据标准Agent实战
—动态智能数据标准的生成和检测
—Skill梳理和实操
数据质量Agent实战
—Skill梳理和实操
数据分级分类Agent实战
Skill梳理和实操
Day2
高价值场景实例解析
数据战略规划
智能元数据管理
智能数据质量管理
自然语言数据查询
构建长期可持续运营的
Day2
为什么“持续运营”如此重要?
如何做好持续运营?
设定评估的指标体系
构建评估数据集的实战技巧
自动化评估—让AI考AI
人工反馈循环
全链路可观测
AI Agent治理与安全
Day2
AI数据治理案例分享
AI+数据治理典型的应用场景介绍
AI大模型数据治理在互联网的应用介绍
某大型商业银行AI大模型数据治理案例分享
Day1
AI大模型是否可用于数据治理?——AI发展与能力边界
传统数据治理问题
为什么AI 数据治理成为趋势
大模型能力的“真实画像”——不是万能,但非常强大
—大模型的本质:不是搜索引擎,而是"理解-推理-生成"引擎
—大模型的智力之源
—大模型的核心能力
AI大模型的能力边界
—别把大模型应用,当成大模型
—大模型 vs. AI Agent:从"能想"到"能做"
Agent能力拆解
Day1
AI赋能数据治理的总体思路与场景识别方法
数据治理的目标
—DAMA知识体系
—AI数据治理体系
数据治理过程中的AI应用场景识别
—AI应用落地的方法论:三层五阶八步
—“场景12问”,对AI价值场景进行详细评估
AI应用在数据治理中的典型场景示例
Day1
AI Agent在数据治理中的应用
一、 数据标准管理
1. 标准智能制定
2. 标准智能落标
3.标准智能维护
二、元数据管理
1.元数据智能挖掘
2.数据血缘智能挖掘
3.数据智能分类
三、数据质量管理
1. 质量规则推荐
2. 质量阈值推荐
3. 质量异常自动定位
4. 质量异常智能修复
四、数据安全管理
1.敏感数据智能识别
2.智能数据分级分类
3. 脱敏/加密规则推荐
4. 数据风险智能识别
Day2
AI Agent数据治理实战
元数据管理Agent实战
—Skill梳理和实操
数据标准Agent实战
—动态智能数据标准的生成和检测
—Skill梳理和实操
数据质量Agent实战
—Skill梳理和实操
数据分级分类Agent实战
Skill梳理和实操
Day2
高价值场景实例解析
数据战略规划
智能元数据管理
智能数据质量管理
自然语言数据查询
构建长期可持续运营的
Day2
为什么“持续运营”如此重要?
如何做好持续运营?
设定评估的指标体系
构建评估数据集的实战技巧
自动化评估—让AI考AI
人工反馈循环
全链路可观测
AI Agent治理与安全
Day2
AI数据治理案例分享
AI+数据治理典型的应用场景介绍
AI大模型数据治理在互联网的应用介绍
某大型商业银行AI大模型数据治理案例分享

活动详情

提交需求