Azure Databricks의 AI 함수
Important
이 기능은 공개 미리 보기 상태입니다.
이 문서에서는 SQL에서 직접 데이터에 AI를 적용할 수 있는 기본 제공 SQL 함수인 Azure Databricks AI Functions에 대해 설명합니다.
SQL은 다용도, 효율성 및 광범위한 사용으로 인해 데이터 분석에 매우 중요합니다. 단순성을 통해 대규모 데이터 세트를 신속하게 검색, 조작 및 관리할 수 있습니다. 데이터 분석을 위해 AI 함수를 SQL에 통합하면 효율성이 향상되어 기업이 신속하게 인사이트를 추출할 수 있습니다.
AI를 분석 워크플로에 통합하면 분석가가 이전에 액세스할 수 없었던 정보에 액세스할 수 있으며, 보다 합리적인 의사 결정을 내리고, 위험을 관리하고, 데이터 기반의 혁신과 효율성을 통해 경쟁 우위를 유지할 수 있습니다.
Databricks Foundation 모델 API를 사용하는 AI 함수
참고 항목
Databricks Runtime 15.0 이상의 경우 이러한 함수는 Databricks Notebook 및 워크플로를 비롯한 Notebook 환경에서 지원됩니다.
이러한 함수는 Databricks Foundation 모델 API에서 최신 생성 AI 모델을 호출하여 감정 분석, 분류 및 번역과 같은 작업을 수행합니다. AI Functions를 사용하여 고객 리뷰 분석을 참조 하세요.
- ai_analyze_sentiment
- ai_classify
- ai_extract
- ai_fix_grammar
- ai_gen
- ai_mask
- ai_similarity
- ai_summarize
- ai_translate
ai_query
참고 항목
- Databricks Runtime 14.2 이상의 경우 이 함수는 Databricks Notebook 및 워크플로를 포함한 Notebook 환경에서 지원됩니다.
- Databricks Runtime 14.1 이하의 경우 이 함수는 Databricks Notebook을 비롯한 Notebook 환경에서 지원되지 않습니다.
이 ai_query()
함수를 사용하면 Databricks 모델 서비스를 사용하여 기계 학습 모델 및 대규모 언어 모델을 제공하고 SQL을 사용하여 쿼리할 수 있습니다. 이를 위해 이 함수는 기존 Databricks 모델 서비스 엔드포인트를 호출하고 해당 응답을 구문 분석하고 반환합니다. 사용자 지정 모델, Foundation Model API 및 외부 모델을 사용하여 사용할 수 있는 기본 모델을 제공하는 엔드포인트를 쿼리하는 데 사용할 ai_query()
수 있습니다.
피드백
https://aka.ms/ContentUserFeedback
출시 예정: 2024년 내내 콘텐츠에 대한 피드백 메커니즘으로 GitHub 문제를 단계적으로 폐지하고 이를 새로운 피드백 시스템으로 바꿀 예정입니다. 자세한 내용은 다음을 참조하세요.다음에 대한 사용자 의견 제출 및 보기