Introduzione all'IQ di Fabric
Riepilogo
-
Level
-
Competenza
-
Prodotto
-
Ruolo
-
Oggetto
Fabric IQ consente di definire il vocabolario aziendale in un'ontologia e associarlo alle origini dati in OneLake. In questo percorso di apprendimento si inizia con i concetti fondamentali di Fabric IQ, quindi si crea un'ontologia creando tipi di entità e relazioni, visualizzando i dati tramite grafici interattivi e connettendo un'ontologia a un agente dati in modo che gli utenti aziendali possano porre domande in linguaggio naturale.
Prerequisiti
- Familiarità con le aree di lavoro di Microsoft Fabric e la navigazione
- Conoscenza di base dei concetti relativi ai dati, ad esempio tabelle, relazioni e query
Codice obiettivo
Si vuole richiedere un codice obiettivo?
Moduli in questo percorso di apprendimento
Microsoft Fabric IQ offre un modo per definire il vocabolario aziendale in un'ontologia e associare l'ontologia alle origini dati. Informazioni sugli elementi di ontologia, gli agenti dati, Graph nei Microsoft Fabric e i modelli semantici di Power BI. Scoprire in che modo la modellazione dell'ontologia differisce dalla modellazione analitica tradizionale iniziando con i concetti aziendali anziché con casi d'uso specifici.
Le onlogi in Fabric IQ trasformano i dati in un vocabolario aziendale comprensibile a tutti. In questo modulo verranno illustrati due modi per creare onlogi, creando manualmente per comprendere i componenti principali o generando automaticamente da Power BI modelli semantici per accelerare lo sviluppo. Si praticheranno entrambi gli approcci e apprenderete come connettere la vostra ontologia alle origini dati in OneLake, incluse le tabelle del lakehouse e i flussi di eventhouse.
Esplora le istanze di entità, visualizza le connessioni dei concetti aziendali nel grafico delle relazioni e filtra su più origini dati usando il generatore di query in Microsoft Fabric IQ, senza scrivere join SQL.
Creare un agente dati di Fabric che utilizza un'ontologia di Microsoft Fabric IQ come origine dati. Configurare le istruzioni dell'agente per migliorare l'accuratezza delle query, testare le domande in linguaggio naturale e pubblicare l'agente in modo che gli utenti aziendali possano ottenere risposte ai dati regolate senza scrivere codice.