Condividi tramite


Panoramica di Copilot data science e Ingegneria dei dati (anteprima)

Importante

Questa funzionalità è disponibile in anteprima.

Copilotper data science e Ingegneria dei dati è un assistente di intelligenza artificiale che consente di analizzare e visualizzare i dati. Funziona con tabelle e file Lakehouse, set di dati di Power BI e dataframe pandas/spark/fabric, fornendo risposte e frammenti di codice direttamente nel notebook. Il modo più efficace per usare Copilot consiste nell'aggiungere i dati come dataframe. È possibile porre domande nel pannello della chat e l'intelligenza artificiale fornisce risposte o codice da copiare nel notebook. Comprende lo schema e i metadati dei dati e se i dati vengono caricati in un dataframe, ha anche la consapevolezza dei dati all'interno del frame di dati. È possibile chiedere di fornire informazioni dettagliate Copilot sui dati, creare codice per le visualizzazioni o fornire codice per le trasformazioni dei dati e riconosce i nomi di file per un riferimento semplice. Copilot semplifica l'analisi dei dati eliminando la codifica complessa.

Nota

  • L'amministratore deve abilitare l'opzione del tenant prima di iniziare a usare Copilot. Per informazioni dettagliate, vedere l'articolo Copilot Impostazioni del tenant.
  • La capacità F64 o P1 deve trovarsi in una delle aree elencate in questo articolo, disponibilità dell'area infrastruttura.
  • Se il tenant o la capacità si trova all'esterno degli Stati Uniti o della Francia, è disabilitato per impostazione predefinita, Copilot a meno che l'amministratore del tenant di Fabric non consenta l'elaborazione dei dati inviati ad Azure OpenAI all'esterno dell'area geografica del tenant, del limite di conformità o del tenant dell'istanza cloud nazionale nel portale di amministrazione dell'infrastruttura.
  • Copilot in Microsoft Fabric non è supportato negli SKU di valutazione. Sono supportati solo gli SKU a pagamento (F64 o versione successiva o P1 o successiva).
  • Copilot In Fabric è attualmente in fase di distribuzione in anteprima pubblica e dovrebbe essere disponibile per tutti i clienti entro la fine di marzo 2024.
  • Per altre informazioni, vedere l'articolo Panoramica di Copilot in Infrastruttura e Power BI .

Introduzione all'analisi scientifica dei dati e alle Copilot Ingegneria dei dati per l'analisi scientifica dei dati di Fabric

Con Copilot per data science e Ingegneria dei dati, è possibile chattare con un assistente di intelligenza artificiale che consente di gestire le attività di analisi e visualizzazione dei dati. È possibile porre domande Copilot sulle tabelle lakehouse, sui set di dati di Power BI o sui dataframe Pandas/Spark all'interno dei notebook. Copilot risposte in linguaggio naturale o frammenti di codice. Copilot può anche generare codice specifico dei dati, a seconda dell'attività. Ad esempio, Copilot per data science e Ingegneria dei dati può generare codice per:

  • Creazione di grafici
  • Filtro dei dati
  • Applicazione di trasformazioni
  • Modelli di Machine Learning

Selezionare prima di tutto l'icona Copilot nella barra multifunzione dei notebook. Viene aperto il Copilot pannello della chat e viene visualizzata una nuova cella nella parte superiore del notebook. Questa cella deve essere eseguita ogni volta che viene caricata una sessione Spark in un notebook di Fabric. In caso contrario, l'esperienza Copilot non funzionerà correttamente. È in corso la valutazione di altri meccanismi per la gestione di questa inizializzazione necessaria nelle versioni future.

Screenshot che mostra la Copilot barra multifunzione.

Eseguire la cella nella parte superiore del notebook. Dopo l'esecuzione della cella, è possibile usare Copilot. È necessario rieseguire la cella nella parte superiore del notebook ogni volta che la sessione nel notebook si chiude.

Screenshot che mostra l'esecuzione corretta della cella.

Per ottimizzare Copilot l'efficacia, caricare una tabella o un set di dati come dataframe nel notebook. In questo modo, l'intelligenza artificiale può accedere ai dati e comprenderne la struttura e il contenuto. Iniziare quindi a chattare con l'intelligenza artificiale. Selezionare l'icona della chat nella barra degli strumenti del notebook e digitare la domanda o la richiesta nel pannello della chat. Ad esempio, è possibile chiedere:

  • "Qual è l'età media dei clienti in questo set di dati?"
  • "Mostra un grafico a barre delle vendite per area"

E altro ancora. Copilot risponde con la risposta o il codice, che è possibile copiare e incollare il notebook. Copilotper data science e Ingegneria dei dati è un modo pratico e interattivo per esplorare e analizzare i dati.

Quando si usa Copilot, è anche possibile richiamare i comandi magic all'interno di una cella del notebook per ottenere l'output direttamente nel notebook. Ad esempio, per le risposte in linguaggio naturale alle risposte, è possibile porre domande usando il comando "%%chat", ad esempio:

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

Screenshot che mostra la generazione del codice.

or

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

Screenshot che mostra la generazione del codice di regressione logistica.

Copilotper data science e Ingegneria dei dati ha anche la consapevolezza dello schema e dei metadati delle tabelle nel lakehouse. Copilot può fornire informazioni rilevanti nel contesto dei dati in un lakehouse collegato. Ad esempio, è possibile chiedere:

  • "Quanti tavoli si trovano nella casa del lago?"
  • "Quali sono le colonne dei clienti della tabella?"

Copilot risponde con le informazioni pertinenti se il lakehouse è stato aggiunto al notebook. Copilot ha anche la consapevolezza dei nomi dei file aggiunti a qualsiasi lakehouse collegato al notebook. È possibile fare riferimento a tali file in base al nome nella chat. Ad esempio, se si dispone di un file denominato sales.csv nel lakehouse, è possibile chiedere "Creare un dataframe da sales.csv". Copilot genera il codice e lo visualizza nel pannello della chat. Con Copilot per i notebook è possibile accedere ed eseguire facilmente query sui dati da origini diverse. Per eseguire questa operazione non è necessaria la sintassi esatta dei comandi.

Suggerimenti

  • "Cancella" la conversazione nel pannello della Copilot chat con la scopa situata nella parte superiore del pannello di chat. Copilot mantiene la conoscenza di eventuali input o output durante la sessione, ma ciò consente di trovare il contenuto corrente distratto.
  • Usare la libreria di chat magics per configurare le impostazioni relative Copilota , incluse le impostazioni di privacy. La modalità di condivisione predefinita è progettata per massimizzare la condivisione Copilot del contesto ha accesso, pertanto la limitazione delle informazioni fornite al copilot può influire direttamente e significativamente sulla pertinenza delle risposte.
  • Al Copilot primo avvio, offre un set di richieste utili che consentono di iniziare. Possono aiutare a avviare la conversazione con Copilot. Per fare riferimento alle richieste in un secondo momento, è possibile usare il pulsante sparkle nella parte inferiore del pannello della chat.
  • È possibile "trascinare" la barra laterale della chat copilot per espandere il pannello della chat, per visualizzare il codice in modo più chiaro o per la leggibilità degli output sullo schermo.

Limiti

Copilot Le funzionalità dell'esperienza di data science sono attualmente incluse nei notebook. Queste funzionalità includono il Copilot riquadro della chat, i comandi magic IPython che possono essere usati all'interno di una cella di codice e suggerimenti automatici per il codice durante la digitazione in una cella di codice. Copilot può anche leggere modelli semantici di Power BI usando un'integrazione di collegamento semantico.

Copilot ha due usi principali:

  • È possibile chiedersi Copilot di esaminare e analizzare i dati nel notebook, ad esempio caricando prima un dataframe e quindi chiedendo Copilot informazioni sui dati all'interno del dataframe.
  • Due, è possibile chiedere Copilot di generare una serie di suggerimenti sul processo di analisi dei dati, ad esempio i modelli predittivi rilevanti, il codice per eseguire diversi tipi di analisi dei dati e la documentazione per un notebook completato.

Tenere presente che la generazione di codice con librerie rilasciate rapidamente o rilasciate di recente può includere imprecisioni o fabricazioni.