SQL Day Lite 2025

Warsztat ma na celu przejście przez kilka typowych projektów z pogranicza Data Engineeringu, Machine Learningu i AI, aby pokazać uczestnikom, jak w praktyce wygląda metodologia pracy z takimi rozwiązaniami – od podstaw aż po wdrożenie. Pokażemy, jak przygotować dane, zbudować pipeline ETL, wytrenować prosty model ML lub system wyszukiwania semantycznego, a na końcu jak połączyć to z ChatGPT w formie kompletnej aplikacji. Skupimy się na praktycznym podejściu do pracy nad projektami AI end-to-end, omawiając zarówno aspekty techniczne, jak i procesowe: jak planować, realizować i iteracyjnie rozwijać takie rozwiązania w realnym środowisku.

Warsztat będzie realizowany w środowisku databricks

Fabric jest już z nami od kilku lat, i co raz wiecej firm zaczyna spoglądać w jego kierunku przy budowie swojej platformy danych. Chcemy podzielić się naszymi doświadczeniami zarówno z wdrażania MS Fabric w nowych projektach, jak i w optymalizacji już zastanych rozwiązań. Przejdziemy przez proces tworzenia struktury projektów, podziału ich na części oraz dobre praktyki które udało nam się do tej pory wypracować. Stworzymy pełny przepływ danych od źródła, przez sparkowy notebook aż po lakehouse, z którego przygotujemy raport. Po drodze przejdziemy przez „ways of working” z każdym z tych elementów, co się sprawdza, a czego lepiej unikać. Na końcu przejdziemy do pełnej automatyzacji całości naszego projektu przy deploymencie na następne środowiska i porozmawiamy o możliwych podejściach w tym temacie.

Is your test database a dumping ground of duplicate rows, outdated junk, and “temporarily restored” production backups from three years ago? Are you still debugging against names like Test Testerson or accidentally emailing real customers from your dev environment? Yeah. Us too. But it doesn’t have to be this way.

Join Peter and Tonie, two energetic developers on a mission to rescue test databases from mediocrity, for a full day of chaos, caffeine, and (finally) the test database that doesn’t suck.

In this hands-on, high-energy workshop, we’ll explore what makes most test environments a disaster and how to build ones that are safe, realistic, and actually useful. From fake-but-believable data generation to privacy-proof production clones, you’ll get practical tools and real-world strategies to turn your test database into a trusted sidekick, not a liability.

We’ll role-play disasters, break production, and get hands-on with tools, scripts, and clever tricks to up our test data game. You’ll experiment, collaborate, maybe even break a few things (intentionally) and walk away with a solid, practical plan to make the test database a first-class priority in your dev process.

Bring your laptop, your worst horror stories, and maybe a helmet. Let’s clean this mess up: together.

Because your test database shouldn’t suck.
And honestly… neither should your day job.

Nowe możliwości SQL Server 2025 związane ze sztuczną inteligencją znacząco rozszerzają zastosowanie tej platformy w kontekście pracy z tekstem i dużymi modelami językowymi. Dzięki wersji public preview możemy już dziś sprawdzić, jak w praktyce wykorzystać nowy silnik do semantycznego wyszukiwania informacji – i przygotować się na jego pełne wdrożenie w środowiskach produkcyjnych.

Podczas warsztatu skoncentrujemy się na natywnym wsparciu dla danych wektorowych oraz integracji z modelami językowymi. Na konkretnym przykładzie – dokumentacji technicznej – przejdziemy przez cały proces: od podziału tekstu na mniejsze fragmenty (chunking), przez generowanie embeddingów (wektorów), aż ich zapis w bazie danych i tworzenie zapytań.

Embeddingi wygenerujemy zarówno z użyciem modelu text-embedding-ada-002 z katalogu Azure OpenAI, jak i przy pomocy lokalnie hostowanego modelu, co pozwoli porównać oba podejścia i zrozumieć ich zastosowania w różnych scenariuszach – także tych wymagających zgodności z polityką prywatności lub działania offline.

Warsztat przeznaczony jest dla inżynierów danych, programistów oraz architektów systemów, którzy chcą rozszerzyć swoje umiejętności o semantyczne przetwarzanie informacji i integrację AI z relacyjną bazą danych.