Merk
Tilgang til denne siden krever autorisasjon. Du kan prøve å logge på eller endre kataloger.
Tilgang til denne siden krever autorisasjon. Du kan prøve å endre kataloger.
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
- Hvis du vil bruke AI-funksjoner med det innebygde AI-endepunktet i Fabric, må administratoren aktivere leierbryteren for Copilot og andre funksjoner som drives av Azure OpenAI.
- Avhengig av plasseringen din må du kanskje aktivere en leierinnstilling for behandling på tvers av geografiske områder. Finn ut mer om tilgjengelige områder for Azure OpenAI-tjenesten.
- Du trenger en betalt Fabric-kapasitet (F2 eller høyere, eller en hvilken som helst P-utgave).
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_internalogsynapseml_coreWHL-filinstallasjon kreves (kommandoer i følgende kodecelle) -
openaipakkeinstallasjon kreves (kommando i følgende kodecelle)
-
- Pandaer (PySpark-kjøretid)
-
openaipakkeinstallasjon 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.
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)
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)
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)
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)
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)
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)
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)
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)
Relatert innhold
Oppdage sentiment med
ai.analyze_sentiment in pandasellerai.analyze_sentiment in pyspark.Kategoriser tekst med
ai.classify in pandasellerai.classify in PySpark.Trekk ut enheter med
ai.extract in pandasellerai.extract in PySpark.Fiks grammatikk med
ai.fix_grammar in pandasellerai.fix_grammar in PySpark.Svar på egendefinerte brukermeldinger med
ai.generate_response in pandasellerai.generate_response in PySpark.Beregn likhet med
ai.similarity in pandasellerai.similarity in PySpark.Oppsummer tekst med
ai.summarize in pandasellerai.summarize in PySpark.Oversett tekst med
ai.translate in pandasellerai.translate in PySpark.Tilpass konfigurasjonen av AI-funksjoner i pandaer eller konfigurasjonen av AI-funksjoner i PySpark .
Gikk vi glipp av en funksjon du trenger? Foreslå det på Fabric Ideas-forumet.