Partager via

Vue d’ensemble de chat magics dans les notebooks Microsoft Fabric (préversion)

  • Article

Important

Cette fonctionnalité est en préversion.

La bibliothèque Python Chat-magics améliore votre flux de travail de science des données et d’ingénierie dans les notebooks Microsoft Fabric. Elle s’intègre en toute transparence à l’environnement Fabric et permet l’exécution de commandes magiques IPython spécialisées dans une cellule de notebook, afin de fournir des sorties en temps réel. Les commandes magiques IPython et plus d’arrière-plan sur l’utilisation sont disponibles ici : https://ipython.readthedocs.io/en/stable/interactive/magics.html#.

Remarque

Fonctionnalités de Chat-magics

Génération instantanée de requête et de code

La commande %%chat vous permet de poser des questions sur l’état de votre notebook. Le %%code active la génération de code pour la manipulation ou la visualisation des données.

Descriptions de dataframe

La commande %describe fournit des résumés et des descriptions des dataframe chargés. Cela simplifie la phase d’exploration des données.

Commentaire et débogage

Les commandes %%add_comments et %%fix_errors permettent d’ajouter des commentaires à votre code et de corriger les erreurs respectivement. Cela permet de rendre votre notebook plus lisible et sans erreur.

Contrôles de confidentialité

Chat-magics offre également des paramètres de confidentialité granulaires, ce qui vous permet de contrôler les données partagées avec Azure OpenAI Service. Les commandes %set_sharing_level et %configure_privacy_settings , par exemple, fournissent cette fonctionnalité.

Comment Chat-magics peut-il vous aider ?

Chat-magics améliore votre productivité et votre flux de travail dans les carnets Microsoft Fabric. Il accélère l’exploration des données, simplifie la navigation dans les notebooks et améliore la qualité du code. Il s’adapte aux environnements de code multilingues et hiérarchise la confidentialité et la sécurité des données. Grâce à des réductions de charge cognitive, il vous permet de vous concentrer davantage sur la résolution des problèmes. Qu’il s’agisse d’un scientifique des données, d’un ingénieur données ou d’un analyste d’entreprise, Chat-magics intègre en toute transparence des fonctionnalités Azure OpenAI robustes au niveau de l’entreprise directement dans vos notebooks. Cela en fait un outil indispensable pour des tâches de science et d’ingénierie des données efficaces et simplifiées.

Bien démarrer avec les Chat magics

  1. Ouvrez un notebook Microsoft Fabric nouveau ou existant.
  2. Sélectionnez le bouton Copilot sur le ruban du notebook pour générer le code d’initialisation Chat-magics dans une nouvelle cellule de notebook.
  3. Exécutez la cellule lorsqu’elle est ajoutée en haut de votre notebook.

Vérifier l’installation de Chat-magics

  1. Créez une cellule dans le notebook et exécutez la commande %chat_magics pour afficher le message d’aide. Cette étape vérifie l’installation appropriée de Chat-magics.

Présentation des commandes de base : %%chat et %%code

Utiliser %%chat (Cell Magic)

  1. Créez une cellule dans votre notebook.
  2. Tapez %%chat en haut de la cellule.
  3. Entrez votre question ou instruction sous la commande %%chat, par exemple, Quelles variables sont actuellement définies ?
  4. Exécutez la cellule pour afficher la réponse Chat-magics.

Utilisation du code %% (Cell Magic)

  1. Créez une cellule dans votre notebook.
  2. Tapez %%code en haut de la cellule.
  3. Ci-dessous, spécifiez l’action de code souhaitée , par exemple, Charger my_data.csv dans un dataframe pandas.
  4. Exécutez la cellule et évaluez l’extrait de code généré.

Personnalisation des paramètres de sortie et de langue

  1. Utilisez la commande %set_output pour modifier la valeur par défaut de la façon dont les commandes Magic fournissent une sortie. Les options peuvent être consultées en exécutant %set_output ?
  2. Choisissez où placer le code généré, à partir d’options telles que
    • cellule actuelle
    • nouvelle cellule
    • sortie de cellule
    • dans une variable

Commandes avancées pour les opérations de données

%describe, %%add_comments, et %%fix_errors

  1. Utilisez %describe DataFrameName dans une nouvelle cellule pour obtenir une vue d’ensemble d’un dataframe spécifique.
  2. Pour ajouter des commentaires à une cellule de code afin d’en améliorer la lisibilité, tapez %%add_comments en haut de la cellule que vous souhaitez annoter, puis exécutez. Veillez à vérifier que le code est correct
  3. Pour résoudre les erreurs de code, tapez %%fix_errors en haut de la cellule qui contenait une erreur et l’exécutez.

Paramètres de confidentialité et de sécurité

  1. Par défaut, votre configuration de confidentialité partage les messages précédents envoyés vers et depuis le modèle d’apprentissage des langues (LLM). Cependant, elle ne partage pas le contenu des cellules, les résultats, les schémas ou les échantillons de données provenant des sources de données.
  2. Utilisez %set_sharing_level dans une nouvelle cellule pour ajuster les données partagées avec le processeur IA.
  3. Pour obtenir des paramètres de confidentialité plus détaillés, utilisez %configure_privacy_settings.

Commandes de contexte et de focus

Utilisation de %pin, %new_task et d’autres commandes de contexte

  1. Utilisez %pin DataFrameName pour aider l’IA à se concentrer sur des dataframes spécifiques.
  2. Pour effacer l’IA pour vous concentrer sur une nouvelle tâche dans votre notebook, tapez %new_task suivi d’une tâche que vous êtes sur le point d’entreprendre. Cela efface l’historique d’exécution que le copilote sait à ce stade et peut rendre les réponses futures plus pertinentes.

Contenu connexe