Develop AI-enabled database solutions on Microsoft Data Platforms
Den här kursen lär dig att designa, bygga, säkra och driftsätta AI-stödda databasslösningar med Microsofts SQL-plattformar. Du får lära dig avancerade T-SQL-tekniker och moderna datamönster för arbete med både strukturerad och semistrukturerad data, samt hur AI-funktioner som embeddings, vektorer, semantisk sökning och retrieval-augmented generation (RAG) kan integreras direkt i SQL-baserade applikationer.
Kursen behandlar även bästa praxis för prestandaoptimering, säkerhet och driftsättning i företagsmiljöer, med fokus på CI/CD-arbetsflöden och samarbete mellan applikations-, databas- och DevSecOps-team.
Målgrupp och förkunskaper
Den här kursen vänder sig till utvecklare. Du bör ha erfarenhet av att skriva T-SQL-kod och utveckla databaser på Microsofts SQL-plattformar. Dessutom behöver du vara bekant med metoder för kontinuerlig integration och kontinuerlig driftsättning (CI/CD) i GitHub, AI-assisterade utvecklingsverktyg samt AI-begrepp som embeddings, vektorer och modeller.
Detaljerad information
Kursmaterialet är på engelska, med detta innehåll:
Design and implement database objects with SQL
Learn how to design and create modern database objects such as tables, indexes, constraints, and specialized table types across SQL Server, Azure SQL, and Microsoft Fabric. The module also covers JSON support, partitioning strategies, and techniques for building scalable and efficient database structures.
Implement programmability objects with SQL
This module focuses on creating reusable and maintainable database logic by using views, stored procedures, scalar functions, table-valued functions, and triggers. Students learn how to encapsulate business rules and improve security and performance in SQL-based applications.
Write advanced T-SQL code
Explore advanced T-SQL techniques for solving complex data-processing scenarios. Topics include Common Table Expressions (CTEs), window functions, JSON handling, regular expressions, fuzzy matching, graph queries, and error handling in SQL Server, Azure SQL, and Fabric environments.
Implement SQL solutions by using AI-assisted tools
Learn how to accelerate database development with AI-powered tools such as GitHub Copilot and Fabric Copilot. The module includes configuring AI-assisted workflows, using Model Context Protocol (MCP), and integrating AI support into SQL development processes.
Implement data security and compliance with SQL
Learn how to secure sensitive data by using encryption, Dynamic Data Masking, Row-Level Security, auditing, and secure access methods. The module also introduces security considerations for AI-enabled services and APIs.
Optimize database performance
This module teaches techniques for improving SQL performance through query tuning, execution plans, Query Store, transaction isolation levels, concurrency management, and performance diagnostics using DMVs and Query Performance Insight.
Implement CI/CD by using SQL Database Projects
Learn how to automate database development and deployment using SQL Database Projects, GitHub Actions, and Azure DevOps. Topics include source control, branching strategies, schema drift detection, automated testing, and deployment pipelines.
Integrate SQL solutions with Azure services
Explore how to integrate SQL databases with Azure services by exposing REST and GraphQL APIs using Data API Builder, configuring monitoring solutions, and implementing event-driven data integration patterns.
Design and implement models and embeddings
Learn how to work with AI models and embeddings within SQL-based applications. Topics include selecting models, generating embeddings, chunking data, managing embedding updates, and designing scalable AI-powered data solutions.
Design and implement intelligent search
This module introduces semantic search, vector search, hybrid search, and full-text search. Students learn how to work with vector data types, vector indexes, similarity functions, and ranking methods to enable AI-driven search experiences.
Design and implement retrieval-augmented generation (RAG)
Learn how to build Retrieval-Augmented Generation (RAG) solutions that combine SQL data with large language models. The module covers prompt creation, converting structured data to JSON, sending context to language models, and processing AI-generated responses.
Relaterade kurser
Accelerated SQL Server Integration Services with Dejan Sarka
Building and Managing High Availability Solutions with SQL Server with Herbert Albert
Querying Data with Transact-SQL
Azure SQL Database - Develop data-driven applications
Microsoft SQL Server – upgrade and sharpen your DBA and developer skills
Mer än en kurs
Tre månader som förändrar hur er ledning fattar beslut om AI. Sju sessioner, tolv veckor. Byggt för dem som bär det övergripande ansvaret, inte för dem som ska lära sig verktygen.
Vilken kompetens behöver ni om två år — och har ni den idag? Vi hjälper er planera för framtidens kompetensbehov innan luckorna blir ett problem.
Vet ni vilka kompetensgap som finns i er organisation idag? Vi hjälper er kartlägga nuläget och identifiera vad ni behöver bygga för att möta morgondagens krav.
Ladda kortet med utbildningsdagar i förväg och säkra budgeten innan behovet uppstår. Ni får rabatterade priser, flexibel användning och enklare administration — för hela teamet.
Relaterat innehåll
