Del via

Transformere og berike data med AI-funksjoner (forhåndsversjon)

Important

Denne funksjonen er i forhåndsversjon.

Microsoft Fabric AI Functions gjør det mulig for alle forretningsfolk (fra utviklere til analytikere) å transformere og berike bedriftsdataene sine ved hjelp av generativ kunstig intelligens.

AI-funksjoner bruker bransjeledende store språkmodeller (LLM-er) for oppsummering, klassifisering, tekstgenerering og mer. Med én enkelt kodelinje kan du:

  • ai.analyze_sentiment: Oppdag den emosjonelle tilstanden til inndatateksten.
  • ai.classify: Kategoriser inndatatekst i henhold til etikettene dine.
  • ai.extract: Trekk ut bestemte typer informasjon fra inndatatekst (for eksempel steder eller navn).
  • ai.fix_grammar: Korriger stavemåte, grammatikk og tegnsetting for inndatatekst.
  • ai.generate_response: Generer svar basert på dine egne instruksjoner.
  • ai.similarity: Sammenlign betydningen av inndatatekst med en enkelt tekstverdi, eller med tekst i en annen kolonne.
  • ai.summarize: Få sammendrag av inndatatekst.
  • ai.translate: Oversett inndatatekst til et annet språk.

Du kan innlemme disse funksjonene som en del av arbeidsflyter for datavitenskap og datautvikling, enten du jobber med pandaer eller Spark. Det er ingen detaljert konfigurasjon og ingen kompleks infrastrukturadministrasjon. Du trenger ingen spesifikk teknisk ekspertise.

Prerequisites

Note

  • AI-funksjoner støttes i Fabric Runtime 1.3 og nyere.
  • Med mindre du konfigurerer en annen modell, er AI-funksjoner som standard gpt-4.1-mini. Finn ut mer om fakturerings- og forbrukspriser.
  • Selv om den underliggende modellen kan håndtere flere språk, er de fleste AI-funksjonene optimalisert for bruk på engelskspråklige tekster.»

Komme i gang med AI-funksjoner

AI-funksjoner kan brukes med pandaer (Python- og PySpark-kjøretider) og med PySpark (PySpark-kjøretid). De nødvendige installasjons- og importtrinnene for hver er skissert i den følgende delen, etterfulgt av de tilsvarende kommandoene.

Installer avhengigheter

  • Pandaer (Python-kjøretid)
    • synapseml_internal og synapseml_core WHL-filinstallasjon kreves (kommandoer i følgende kodecelle)
    • openai pakkeinstallasjon kreves (kommando i følgende kodecelle)
  • Pandaer (PySpark-kjøretid)
    • openai pakkeinstallasjon kreves (kommando i følgende kodecelle)
  • PySpark (PySpark-kjøretid)
    • Ingen installasjon kreves
# The pandas AI functions package requires OpenAI version 1.99.5 or later
%pip install -q --force-reinstall openai==1.99.5 2>/dev/null

Importer nødvendige biblioteker

Følgende kodecelle importerer AI-funksjonsbiblioteket og dets avhengigheter.

# Required imports
import synapse.ml.aifunc as aifunc
import pandas as pd

Bruk AI-funksjoner

Hver av følgende funksjoner lar deg aktivere det innebygde AI-endepunktet i Fabric for å transformere og berike data med én enkelt kodelinje. Du kan bruke AI-funksjoner til å analysere pandas DataFrames eller Spark DataFrames.

Tip

Lær hvordan du tilpasser konfigurasjonen av AI-funksjoner.

Oppdage sentiment med ai.analyze_sentiment

Funksjonen ai.analyze_sentiment aktiverer KUNSTIG INTELLIGENS for å identifisere om den emosjonelle tilstanden uttrykt av inndatatekst er positiv, negativ, blandet eller nøytral. Hvis AI ikke kan bestemme dette, blir utdataene stående tomme. For mer detaljerte instruksjoner om bruk av ai.analyze_sentiment med pandaer, se denne artikkelen. For ai.analyze_sentiment med PySpark, se denne artikkelen.

# This code uses AI. Always review output for mistakes. 
# Read terms: https://azure.microsoft.com/support/legal/preview-supplemental-terms/.

df = pd.DataFrame([
        "The cleaning spray permanently stained my beautiful kitchen counter. Never again!",
        "I used this sunscreen on my vacation to Florida, and I didn't get burned at all. Would recommend.",
        "I'm torn about this speaker system. The sound was high quality, though it didn't connect to my roommate's phone.",
        "The umbrella is OK, I guess."
    ], columns=["reviews"])

df["sentiment"] = df["reviews"].ai.analyze_sentiment()
display(df)

Skjermbilde av en dataramme med kolonnene «anmeldelser» og «sentiment». «Sentiment»-kolonnen inkluderer «negativ», «positiv», «blandet» og «nøytral».

Kategoriser tekst med ai.classify

Funksjonen ai.classify aktiverer KUNSTIG INTELLIGENS for å kategorisere inndatatekst i henhold til egendefinerte etiketter du velger. For mer informasjon om bruk av ai.classify med pandaer, gå til denne artikkelen. For ai.classify med PySpark, se denne artikkelen.

# This code uses AI. Always review output for mistakes. 
# Read terms: https://azure.microsoft.com/support/legal/preview-supplemental-terms/.

df = pd.DataFrame([
        "This duvet, lovingly hand-crafted from all-natural fabric, is perfect for a good night's sleep.",
        "Tired of friends judging your baking? With these handy-dandy measuring cups, you'll create culinary delights.",
        "Enjoy this *BRAND NEW CAR!* A compact SUV perfect for the professional commuter!"
    ], columns=["descriptions"])

df["category"] = df['descriptions'].ai.classify("kitchen", "bedroom", "garage", "other")
display(df)

Skjermbilde av en dataramme med «beskrivelser»- og «kategori»-kolonner. «Kategori»-kolonnen viser kategorinavnet for hver beskrivelse.

Trekk ut enheter med ai.extract

Funksjonen ai.extract påkaller AI for å skanne inndatatekst og trekke ut bestemte typer informasjon som er angitt av etiketter du velger (for eksempel plasseringer eller navn). For mer detaljerte instruksjoner om bruk av ai.extract med pandaer, se denne artikkelen. For ai.extract med PySpark, se denne artikkelen.

# This code uses AI. Always review output for mistakes. 
# Read terms: https://azure.microsoft.com/support/legal/preview-supplemental-terms/.

df = pd.DataFrame([
        "MJ Lee lives in Tucson, AZ, and works as a software engineer for Microsoft.",
        "Kris Turner, a nurse at NYU Langone, is a resident of Jersey City, New Jersey."
    ], columns=["descriptions"])

df_entities = df["descriptions"].ai.extract("name", "profession", "city")
display(df_entities)

Skjermbilde som viser en ny dataramme med kolonnene «navn», «yrke» og «by», som inneholder dataene som er hentet ut fra den opprinnelige datarammen.

Fiks grammatikk med ai.fix_grammar

Funksjonen ai.fix_grammar aktiverer KUNSTIG INTELLIGENS for å rette stavemåte, grammatikk og tegnsetting av inndatatekst. For mer detaljerte instruksjoner om bruk av ai.fix_grammar med pandaer, se denne artikkelen. For ai.fix_grammar med PySpark, se denne artikkelen.

# This code uses AI. Always review output for mistakes. 
# Read terms: https://azure.microsoft.com/support/legal/preview-supplemental-terms/.

df = pd.DataFrame([
        "There are an error here.",
        "She and me go weigh back. We used to hang out every weeks.",
        "The big picture are right, but you're details is all wrong."
    ], columns=["text"])

df["corrections"] = df["text"].ai.fix_grammar()
display(df)

Skjermbilde som viser en dataramme med en tekstkolonne og en korreksjonskolonne, som har teksten fra tekstkolonnen med korrigert grammatikk.

Svar på egendefinerte brukermeldinger med ai.generate_response

Funksjonen ai.generate_response aktiverer KUNSTIG INTELLIGENS for å generere egendefinert tekst basert på dine egne instruksjoner. For mer detaljerte instruksjoner om bruk av ai.generate_response med pandaer, se denne artikkelen. For ai.generate_response med PySpark, se denne artikkelen.

# This code uses AI. Always review output for mistakes. 
# Read terms: https://azure.microsoft.com/support/legal/preview-supplemental-terms/.

df = pd.DataFrame([
        ("Scarves"),
        ("Snow pants"),
        ("Ski goggles")
    ], columns=["product"])

df["response"] = df.ai.generate_response("Write a short, punchy email subject line for a winter sale.")
display(df)

Skjermbilde som viser en dataramme med kolonnene «produkt» og «svar». «Svar»-kolonnen inneholder en slagkraftig emnelinje for produktet.

Beregn likhet med ai.similarity

Funksjonen ai.similarity sammenligner hver inndatatekstverdi enten med én felles referansetekst eller med den tilsvarende verdien i en annen kolonne (parvis modus). Verdiene for utgangslikhet er relative, og de kan variere fra -1 (motsetninger) til 1 (identiske). En poengsum på 0 indikerer at verdiene ikke er relatert i betydning. For mer detaljerte instruksjoner om bruk av ai.similarity med pandaer, se denne artikkelen. For ai.similarity med PySpark, se denne artikkelen.

# This code uses AI. Always review output for mistakes. 
# Read terms: https://azure.microsoft.com/support/legal/preview-supplemental-terms/.

df = pd.DataFrame([ 
        ("Bill Gates", "Technology"), 
        ("Satya Nadella", "Healthcare"), 
        ("Joan of Arc", "Agriculture") 
    ], columns=["names", "industries"])
    
df["similarity"] = df["names"].ai.similarity(df["industries"])
display(df)

Skjermbilde av en dataramme med kolonnene «navn», «bransjer» og «likhet». «Likhet»-kolonnen har likhetspoeng for navn og bransje.

Oppsummer tekst med ai.summarize

Funksjonen ai.summarize aktiverer AI for å generere sammendrag av inndatatekst (enten verdier fra én enkelt kolonne i en DataFrame eller radverdier på tvers av alle kolonnene). For mer detaljerte instruksjoner om bruk av ai.summarize med pandaer, se denne artikkelen. For ai.summarize med PySpark, se denne artikkelen.

# This code uses AI. Always review output for mistakes.
# Read terms: https://azure.microsoft.com/support/legal/preview-supplemental-terms/.

df= pd.DataFrame([
        ("Microsoft Teams", "2017",
        """
        The ultimate messaging app for your organization—a workspace for real-time 
        collaboration and communication, meetings, file and app sharing, and even the 
        occasional emoji! All in one place, all in the open, all accessible to everyone.
        """),
        ("Microsoft Fabric", "2023",
        """
        An enterprise-ready, end-to-end analytics platform that unifies data movement, 
        data processing, ingestion, transformation, and report building into a seamless, 
        user-friendly SaaS experience. Transform raw data into actionable insights.
        """)
    ], columns=["product", "release_year", "description"])

df["summaries"] = df["description"].ai.summarize()
display(df)

Skjermbilde som viser en dataramme. «Sammendrag»-kolonnen har bare et sammendrag av «beskrivelse»-kolonnen i den tilsvarende raden.

Oversett tekst med ai.translate

Funksjonen ai.translate aktiverer KUNSTIG INTELLIGENS for å oversette inndatatekst til et nytt språk du ønsker. For mer detaljerte instruksjoner om bruk av ai.translate med pandaer, se denne artikkelen. For ai.translate med PySpark, se denne artikkelen.

# This code uses AI. Always review output for mistakes. 
# Read terms: https://azure.microsoft.com/support/legal/preview-supplemental-terms/.

df = pd.DataFrame([
        "Hello! How are you doing today?", 
        "Tell me what you'd like to know, and I'll do my best to help.", 
        "The only thing we have to fear is fear itself."
    ], columns=["text"])

df["translations"] = df["text"].ai.translate("spanish")
display(df)

Skjermbilde av en dataramme med kolonnene «tekst» og «oversettelser». Kolonnen

Relatert innhold

  • Last updated on