데이터 과학 에이전트 사용

중요합니다

이 기능은 공개 미리보기 단계에 있습니다.

이 페이지에서는 Databricks Assistant에서 에이전트 모드를 선택하여 사용할 수 있는 AI 데이터 에이전트인 데이터 과학 에이전트를 소개합니다. Databricks Notebook 및 SQL 편집기를 위해 특별히 설계된 이 도구는 단일 프롬프트에서 데이터를 탐색하고, 코드를 생성 및 실행하고, 오류를 수정합니다.

데이터 과학 에이전트란?

데이터 과학 에이전트는 Databricks Assistant의 에이전트 모드에서 강력한 기능으로, 도우미를 Databricks Notebook 및 SQL 편집기에서 전체 다단계 데이터 과학 워크플로를 자동화할 수 있는 지능형 도우미로 변환합니다.

도우미 채팅 모드에 비해 에이전트 모드는 솔루션 계획, 관련 자산 검색, 코드 실행, 셀 출력을 사용하여 결과 개선, 오류 자동 수정 등 기능을 확장했습니다.

데이터 과학 에이전트는 SQL 편집기에서 실행할 Notebook 또는 쿼리에서 실행할 코드를 계획하고 생성할 수 있습니다. 에이전트는 계속하기 전에 사용자와 협력하여 계획을 승인하고 다음 단계를 확인합니다. 승인을 통해 데이터 과학 에이전트는 도구를 사용하여 테이블 검색, 전자 필기장 편집, 셀 실행 및 셀 출력 읽기와 같은 작업을 수행할 수 있습니다.

데이터 과학 에이전트의 액세스 및 작업은 사용자의 권한에 의해 제어됩니다. 액세스 권한이 있는 데이터에만 액세스하고 권한이 있는 작업을 수행할 수 있습니다.

요구 사항

데이터 과학 에이전트를 사용하려면 작업 영역에 다음이 필요합니다.

• 계정 및 작업 영역 모두에 대해 사용하도록 설정된 파트너 기반 AI 기능입니다. 파트너 기반 AI 기능을 참조하세요.
• Databricks 도우미 에이전트 모드 미리 보기가 사용하도록 설정되었습니다. Azure Databricks 미리 보기 관리를 참조하세요.

데이터 과학 에이전트 사용

데이터 과학 에이전트를 사용하려면 다음을 수행합니다.

1. Databricks Notebook 또는 SQL 편집기에서 길잡이 쪽 패널을 엽니다.

2. 오른쪽 아래 모서리에서 에이전트를 선택합니다. 이렇게 하면 도우미의 에이전트 모드에서 전환되어 데이터 과학 에이전트와 상호 작용할 수 있습니다.

   

3. 에이전트에 대한 프롬프트를 입력합니다. 예를 들어 "samples.bakehouse에서 분석 @sales_transactions 하여 상위 판매 제품을 식별합니다."

   팁 (조언)

   를 사용하여 @table_name특정 테이블을 참조합니다. 에이전트는 해당 테이블 및 연결된 메타데이터를 사용하여 응답을 큐레이팅합니다. 에이전트는 사용자의 Unity 카탈로그 권한을 준수하므로 액세스 권한이 있는 데이터에만 액세스할 수 있습니다.

4. 에이전트가 응답을 생성할 때 입력을 가져오기 위해 일시 중지되는 경우가 많습니다.

   • 더 복잡한 작업의 경우 에이전트는 단계별 계획을 만들고 명확한 질문을 할 수 있습니다. 에이전트의 명확한 질문에 답변하여 계획을 연마하는 데 도움을 주세요.

   • 에이전트가 코드를 실행해야 하는 경우 계속하기 전에 승인을 요청합니다. 요청을 허용하거나 거부합니다. 이 스레드에서 허용(도우미 대화 스레드 참조)을 선택하거나 항상 허용을 선택할 수도 있습니다.

     중요합니다

     데이터 과학 에이전트는 Notebook에서 코드를 생성하고 실행할 수 있습니다. 위험한 행동을 방지하기 위한 가드레일이 있지만 여전히 위험이 있습니다. 신뢰할 수 있는 코드 및 데이터에서만 사용해야 합니다.

   • 에이전트가 작업을 계속하면 계속 또는 거부를 선택하라는 메시지가 표시될 수 있습니다 . 에이전트의 기존 작업을 검토한 다음 계속을 선택하여 에이전트가 다음 단계를 계속 진행하도록 허용하거나 거부 를 선택하여 다른 작업을 시도하도록 지시합니다.

   • 에이전트가 작동하는 동안 중지하려면 빨간색 을 클릭합니다.

에이전트는 새 Notebook 셀(또는 쿼리)을 만들고, 텍스트와 코드를 생성하고, Notebook 셀을 실행하고, 셀 출력에 액세스하여 결과를 해석할 수 있습니다.

비고

데이터 과학 에이전트가 작업을 계속하고 다음 단계를 수행하려면 에이전트가 작업 중인 현재 탭을 유지해야 합니다.

사용 사례

에이전트 모드에서 도우미는 데이터 찾기, 출력 해석 및 셀 작업 수행과 같은 기능을 확장했습니다.

데이터 과학 에이전트는 예비 데이터 분석, 예측 및 기계 학습을 비롯한 복잡한 데이터 과학 작업을 도울 수 있습니다. 데이터 과학 에이전트를 사용하여 새 데이터 분석 Notebook을 처음부터 만들 수도 있습니다. 더 나은 결과를 위해 테이블 및 파이프라인을 참조하여 에이전트에 컨텍스트를 @<resource_name>제공합니다. At 아이콘을 클릭하여 제공할 컨텍스트를 수동으로 선택할 자산을 참조할 수도 있습니다.

다음 프롬프트를 시도하여 시작합니다.

• 데이터 검색:
  • "bakehouse 트랜잭션 데이터가 포함된 테이블은 무엇인가요?"
  • "나는 로스 앤젤레스, 캘리포니아의 도시에서 날짜 2025-01-01에 대한 날씨 데이터를보고 싶다."
  • "뉴욕시 택시 데이터가 포함된 테이블을 찾아서 처음 10개 행을 표시합니다."
• 예비 데이터 분석:
  • "A열에서 JSON 문자열을 구문 분석하는 데 도움을 주세요."
  • "이 테이블에서 데이터의 시각화를 만듭니다."
  • "이 가로 막대형 차트를 해석합니다."
  • "데이터 세트를 설명 @sales_transactions 합니다. 열 통계를 이해하고 값의 분포를 시각화하는 데 도움이 되는 몇 가지 EDA를 수행합니다. 데이터 과학자처럼 생각하십시오."
  • "지난 주 수익별로 Databricks SQL 워크로드의 상위 5개 고객을 찾기 위해 분석 @workload_insights 합니다. 그런 다음 지난 6주 동안 해당 고객이 주당 Databricks SQL에 대해 얼마나 많은 사용자를 가지고 있었는지를 그립니다."
• 예측:
  • "데이터 세트를 사용하여 @incidents 다음 2주 동안의 일일 인시던트 수 예측을 작성합니다. 완료되면 결과를 표시할 수 있는 데이터 테이블과 대화형 차트를 제공하세요."
  • "데이터 세트를 사용하여 @website_traffic 다음 달의 일일 방문자 수를 예측합니다. 계절 패턴을 강조 표시합니다."
  • "신뢰 구간을 포함하여 데이터 세트에서 향후 6개월 동안 @inventory 제품 수요 예측을 생성합니다."
• 기계 학습:
  • "일부 데이터 준비 및 기능 엔지니어링을 수행하여 모델 학습을 위해 이 데이터 세트를 준비합니다."
  • "데이터 세트에서 분류 모델을 @customer_data 학습하여 변동을 예측합니다. 정확도 및 AUC 메트릭을 사용하여 모델을 평가합니다."
  • "데이터 세트를 사용하여 @housing_prices 회귀 모델에서 하이퍼 매개 변수 튜닝을 수행하여 예측 오류를 개선합니다."
  • "데이터 세트에 @sales_leads 클러스터링 모델을 빌드하여 고객 세그먼트를 식별하고 각 클러스터의 특성에 대한 요약을 제공합니다."
• Notebook 조직:
  • "이 Notebook의 결과를 요약하는 새 셀을 만듭니다."
  • "이 전자 필기장에게 관련 이름을 지정합니다."

예비 데이터 분석

데이터 과학 에이전트를 사용하여 데이터 세트에 대한 예비 데이터 분석을 수행합니다. 예를 들어 에이전트를 사용하여 데이터 세트를 분석 samples.bakehouse.sales_transactions 하는 새 Notebook을 만들 수 있습니다.

빈 전자 필기장 탭에서 길잡이 패널을 열고 에이전트 모드를 선택하고 다음 프롬프트를 입력합니다. "samples.bakehouse에서 데이터 세트를 @sales_transactions 설명합니다. 열 통계를 이해하고 값의 분포를 시각화할 수 있도록 몇 가지 EDA를 수행하려고 합니다. 데이터 과학자처럼 생각하십시오."

에이전트는 프롬프트에 응답하는 계획을 만들고 명확한 질문을 할 수 있습니다. 승인을 통해 프로세스 및 결과를 설명하는 데이터 및 텍스트를 탐색하는 코드가 포함된 새 Notebook 셀을 생성합니다.