Jaa


Datatieteen Copilot ja tietotekniikan yleiskatsaus (esiversio)

Tärkeä

Tämä ominaisuus on esikatselutilassa.

Copilot For Data Science and Data Engineering on tekoälyavustaja, joka auttaa analysoimaan ja visualisoimaan tietoja. Se toimii Lakehousen taulukoiden ja tiedostojen, Power BI -tietojoukkojen ja pandas/spark/fabric-tietokehysten kanssa tarjoten vastauksia ja koodikatkelmia suoraan muistikirjaan. Tehokkain tapa käyttää Copilot on lisätä tiedot tietokehyksenä. Voit esittää kysymyksesi keskustelupaneelissa, ja tekoäly tarjoaa vastauksia tai koodia, jotka voit kopioida muistikirjaasi. Se ymmärtää tietosi rakenteen ja metatiedot. Jos tiedot ladataan tietokehykseen, se on tietoinen myös tietokehyksen sisältämistä tiedoista. Voit pyytää Copilot merkityksellisiä tietoja, luoda koodin visualisointeja varten tai antaa koodin tietojen muunnoksille, ja tiedostonimiä on helppo viitata. Copilot tehostaa tietoanalyysia poistamalla monimutkaista koodausta.

Muistiinpano

Copilot Johdanto Fabric Data Science -tieteen datatieteeseen datatieteeseen ja datatekniikkaan

Copilot Datatieteen ja -tietotekniikan avulla voit keskustella tekoälyavustajan kanssa, joka auttaa sinua käsittelemään tietojen analysointi- ja visualisointitehtäviä. Voit esittää kysymyksiä lakehouse-taulukoista Copilot , Power BI -tietojoukoista tai pandas/Spark-tietokehyksistä muistikirjojen sisällä. Copilot vastauksia luonnollisella kielellä tai koodikatkelmia. Copilot voi myös luoda puolestasi tietokohtaista koodia tehtävän mukaan. Esimerkiksi Copilot datatiede ja tietotekniikka voivat luoda koodin:

  • Kaavion luominen
  • Tietojen suodattaminen
  • Muunnosten käyttäminen
  • Koneoppimismallit

Valitse Copilot ensin kuvake muistikirjojen valintanauhasta. Keskustelupaneeli Copilot avautuu, ja muistikirjasi yläreunaan tulee uusi solu. Tämä solu on suoritettava aina, kun Spark-istunto ladataan Fabric-muistikirjaan. Muussa tapauksessa Copilot käyttökokemus ei toimi oikein. Arvioimme parhaillaan muita mekanismeja, joilla tämä vaadittu alustus käsitellään tulevissa versioissa.

Näyttökuvassa Copilot näkyy valintanauha.

Suorita solu muistikirjan yläosassa. Kun solu on suoritettu onnistuneesti, voit käyttää -komentoa Copilot. Sinun on suoritettava uudelleen muistikirjan yläosassa oleva solu aina, kun muistikirjasi sulkeutuu.

Näyttökuvassa näkyy onnistunut solun suorittaminen.

Tehokkuuden maksimoimiseksi Copilot lataa taulukko tai tietojoukko tietokehyksenä muistikirjaasi. Näin tekoäly voi käyttää tietoja ja ymmärtää niiden rakenteen ja sisällön. Sitten alat juttelemaan tekoälyn kanssa. Valitse keskustelukuvake muistikirjan työkalurivillä ja kirjoita kysymyksesi tai pyyntösi keskustelupaneeliin. Voit esimerkiksi kysyä seuraavaa:

  • "Mikä on tämän tietojoukon asiakkaiden keski-ikä?"
  • "Näytä palkkikaavio myynnistä alueittain"

Ja paljon muuta. Copilot vastaa vastauksella tai koodilla, jonka voit kopioida ja liittää muistikirjaasi. Copilot Datatieteen ja tietotekniikan kannalta se on kätevä ja vuorovaikutteinen tapa tutkia ja analysoida tietojasi.

Kun käytät Copilotsitä, voit myös käynnistää taikakomentoja muistikirjasolun sisällä saadaksesi tulosteen suoraan muistikirjaan. Jos sinulla on esimerkiksi luonnollisella kielellä vastauksia, voit esittää kysymyksiä käyttämällä "%%chat" -komentoa, kuten:

%%chat
What are some machine learning models that may fit this dataset?

Näyttökuva, joka näyttää koodin luonnin.

or

%%code
Can you generate code for a logistic regression that fits this data?

Näyttökuva, joka näyttää logististen regressiokoodien luonnin.

Copilot For Data Science and Data Engineering sisältää myös rakennetta ja metatietoisuutta Lakehousen taulukoista. Copilot voi antaa tarvittavat tiedot tallennustilaan tallennetun tietosi kontekstissa. Voit esimerkiksi kysyä seuraavaa:

  • "Kuinka monta pöytää Lakehousessa on?"
  • "Mitkä ovat taulukon asiakkaiden sarakkeet?"

Copilot vastaa asianmukaisten tietojen avulla, jos lisäsit muistikirjaan lakehousen. Copilot lisäksi hän on tietoinen muistikirjaan liitettyihin lakehouse-tyylöihin lisättyjen tiedostojen nimistä. Voit viitata kyseisiin tiedostoihin nimen mukaan keskustelussasi. Jos sinulla on Lakehousessa esimerkiksi tiedosto nimeltä sales.csv , voit pyytää "Luo tietokehys sales.csv". Copilot luo koodin ja näyttää sen keskustelupaneelissa. Muistikirjojen avulla Copilot voit helposti käyttää ja kysellä tietojasi eri lähteistä. Et tarvitse siihen tarkkaa komentosyntaksia.

Vihjeet

  • "Tyhjennä" keskustelupaneelin Copilot keskustelupalsta, jossa luuda on keskustelupaneelin yläreunassa. Copilot säilyttää tiedot istunnon aikana mahdollisesti annetuista tiedoista tai tuloksista, mutta se auttaa, jos nykyinen sisältö on mielestäsi häiritsevää.
  • Chat magics -kirjaston avulla voit määrittää asetuksia kohteesta Copilot, mukaan lukien tietosuoja-asetukset. Oletusjakamistila on suunniteltu maksimoimaan kontekstin jakamisella Copilot on käyttöoikeus, joten copilotille annettujen tietojen rajoittaminen voi vaikuttaa suoraan ja merkittävästi sen vastausten merkitykseen.
  • Kun Copilot käynnistyy ensimmäisen kerran, se tarjoaa joukon hyödyllisiä kehotteita, joiden avulla pääset alkuun. Ne voivat auttaa käynnistämään keskustelun Copilot. Voit viitata kehotteeseen myöhemmin käyttämällä keskustelupaneelin alareunan sparkle-painiketta.
  • Voit "vetää" copilot-keskustelun sivupalkin, jos haluat laajentaa keskustelupaneelin, tarkastella koodia selkeämmin tai saada näytön tulosten luettavuuden.

Rajoitukset

Copilot Data Science -kokemuksen ominaisuudet on tällä hetkellä rajoitettu muistikirjoihin. Näitä ominaisuuksia ovat Copilot keskusteluruutu, IPython-taikakomennot, joita voidaan käyttää koodisolussa, ja automaattiset koodiehdotukset, kun kirjoitat koodisoluun. Copilot voi myös lukea Power BI:n semanttisia malleja käyttämällä semanttisen linkin integrointia.

Copilot on kaksi tärkeää käyttöä:

  • Ensinnäkin voit pyytää Copilot tutkimaan ja analysoimaan muistikirjassa olevia tietoja (esimerkiksi lataamalla ensin DataFramen ja kysymällä Copilot sitten tiedoista DataFramen sisällä).
  • Toiseksi voit pyytää Copilot luomaan useita ehdotuksia tietoanalyysiprosessistasi, kuten mitkä ennakoivat mallit voivat olla olennaisia, koodia erityyppisten tietoanalyysien suorittamiseksi ja valmiin muistikirjan dokumentaatiota varten.

Muista, että koodin luominen nopeasti etenevällä tai äskettäin julkaistuilla kirjastoilla voi sisältää epätarkkuuksia tai tekaistuja.