O que há de novo e planejado para o Fabric Data Science no Microsoft Fabric
Importante
Os planos de lançamento descrevem funcionalidades que podem ou não ter sido lançadas ainda. Os prazos de entrega e a funcionalidade projetada podem mudar ou podem não ser enviados. Consulte a política da Microsoft para obter mais informações.
O Fabric Data Science fornece aos cientistas de dados um fluxo de trabalho completo para construir seus modelos de aprendizado de máquina, desde a exploração até a pontuação do modelo. De uma perspetiva de exploração de dados, os cientistas de dados podem usar R e Python em notebooks e ferramentas integradas como o Data Wrangler para facilitar a análise. Os usuários podem acompanhar e comparar seus experimentos de modelo e execuções com MLFlow. Eles podem salvar o modelo com melhor desempenho no espaço de trabalho como um novo item de modelo e usar facilmente o Predict para pontuação em lote em escala. A ciência de dados no Fabric é profundamente integrada com o resto da pilha, o que significa que é fácil pontuar dados em uma casa de lago, gravar as previsões no OneLake e visualizar os dados em relatórios usando o modo Direct Lake.
Caraterística | Cronograma de lançamento estimado |
---|---|
Funções de IA para enriquecimento e transformação de texto com tecnologia LLM [Visualização pública] | 4º trimestre de 2024 |
AutoML de baixo código | 4º trimestre de 2024 |
Integração de habilidades de IA com o Azure AI Foundry | 1º trimestre de 2025 |
Modelos semânticos como nova fonte de dados para a habilidade de IA | 1º trimestre de 2025 |
Banco de dados KQL como nova fonte de dados no AI Skill | 1º trimestre de 2025 |
AI Skill torna-se um agente de IA conversacional | 1º trimestre de 2025 |
Operações de IA low-code no Data Wrangler [Visualização pública] | 1º trimestre de 2025 |
Copiloto para Referências de Ciência de Dados/Engenharia de Dados Documentação de malha | 1º trimestre de 2025 |
Pontos de extremidade em tempo real para modelos de aprendizado de máquina [Visualização pública] | 2º trimestre de 2025 |
Funções de IA para enriquecimento e transformação de texto com tecnologia LLM [Visualização pública]
Cronograma estimado de lançamento: 4º trimestre de 2024
Tipo de Lançamento: Pré-visualização pública
As funções de IA no Fabric permitirão que os usuários de notebooks executem perfeitamente tarefas como resumo de texto, tradução, classificação, análise de sentimento, correção gramatical e muito mais, fornecendo uma API simplificada para enriquecimento comum e tornando mais fácil para os usuários aplicá-los com menos linhas de código. As funções estarão inicialmente disponíveis em cima dos pandas DataFrames e, finalmente, disponíveis via Spark, SQL e outras superfícies de programação em toda a malha.
Cronograma estimado de lançamento: 4º trimestre de 2024
Tipo de Lançamento: Pré-visualização pública
Nossa ferramenta Low-Code AutoML permite que cientistas de dados e analistas criem facilmente modelos de aprendizado de máquina sem a necessidade de codificação extensiva. Através de um assistente intuitivo e passo a passo, os usuários podem configurar e iniciar avaliações do AutoML diretamente da interface do usuário.
Cronograma estimado de lançamento: 1º trimestre de 2025
Tipo de Lançamento: Pré-visualização pública
Com a integração de habilidades de IA de malha no Azure AI Foundry, a habilidade de IA de malha servirá como uma fonte de conhecimento para o Serviço de Agente no Microsoft Azure AI Foundry. Isso permite que o agente use o Fabric como um hub de dados, aproveitando as informações disponíveis no Fabric para responder às consultas dos usuários com precisão e eficiência. Ao conectar-se ao Fabric AI Skill, o agente pode recuperar insights de dados diretamente do Fabric, permitindo que os consumidores interajam e analisem seus dados do Fabric perfeitamente por meio dos aplicativos de IA no Azure AI Foundry.
Cronograma estimado de lançamento: 1º trimestre de 2025
Tipo de Lançamento: Pré-visualização pública
Esse recurso permite que os usuários consultem seus Modelos Semânticos do Power BI na Malha usando linguagem natural, recebendo uma resposta concisa e a consulta DAX correspondente. Os usuários podem fazer perguntas como "Quais foram as vendas totais nos últimos 12 meses?" e obtenha não apenas o resultado, mas também a consulta DAX subjacente para transparência e reutilização. No futuro, o usuário também deve ser capaz de fornecer exemplos de poucas fotos - exemplos de perguntas - para guiar a habilidade de IA que o modelo semântico é a melhor ferramenta para responder a essas perguntas. Essa abordagem torna os insights de dados mais acessíveis a todos os usuários, ao mesmo tempo em que fornece aos usuários avançados maior controle e transparência sobre a análise.
Cronograma estimado de lançamento: 1º trimestre de 2025
Tipo de Lançamento: Pré-visualização pública
Esse recurso permite que os usuários consultem seus bancos de dados Kusto no Fabric usando linguagem natural, recebendo uma resposta concisa e a consulta KQL (Kusto Query Language) correspondente. Os usuários podem fazer perguntas como "Qual foi o número total de logins na semana passada?" e obter não só o resultado, mas também a consulta KQL subjacente para transparência e reutilização. Para melhorar a precisão, os usuários podem fornecer exemplos de poucas capturas — exemplos de perguntas com respostas esperadas. O sistema suporta consultas iterativas, permitindo que os usuários refinem suas perguntas ou atualizem notas para saídas mais precisas, tornando a análise de dados mais acessível enquanto capacita usuários avançados com maior controle.
Cronograma estimado de lançamento: 1º trimestre de 2025
Tipo de Lançamento: Pré-visualização pública
A habilidade de IA agora é conversacional, permitindo que os usuários se envolvam em diálogos naturais de ida e volta para explorar e entender seus dados com facilidade. Esse aprimoramento permite que os usuários façam perguntas de acompanhamento, refinem consultas e recebam insights dinâmicos, tornando a exploração de dados mais intuitiva e interativa.
Cronograma estimado de lançamento: 1º trimestre de 2025
Tipo de Lançamento: Pré-visualização pública
Um novo conjunto de operações alimentadas por IA no Data Wrangler permitirá que os usuários descrevam transformações de código com linguagem natural e gerem o Python correspondente; traduzir código Python personalizado para código PySpark; e aplicar transformações SynapseML como tradução de texto e análise de sentimento em questão de cliques.
Cronograma estimado de lançamento: 1º trimestre de 2025
Tipo de Lançamento: Pré-visualização pública
Temos o prazer de anunciar um novo recurso no Fabric Copilot para Ciência de Dados e Engenharia de Dados. O Copilot agora pode acessar a documentação do Fabric e consultá-la em suas respostas, fornecendo aos usuários informações relevantes diretamente em seu fluxo de trabalho.
Principais Destaques:
- Integração perfeita: o Copilot no DS/DE agora se integra à documentação do Fabric, oferecendo assistência contextual e informações detalhadas sem sair do espaço de trabalho.
- Produtividade aprimorada: Ao fazer referência à documentação do Fabric, o Copilot no DS/DE ajuda os usuários a encontrar respostas rapidamente, reduzindo o tempo de pesquisa e aumentando a produtividade.
- Assistência contextual: O copiloto no DS/DE fornece referências de documentação precisas para apoiar tarefas de análise, visualização e engenharia de dados.
O novo recurso do Fabric Copilot for Data Science and Data Engineering capacita os usuários com as informações de que precisam, exatamente quando precisam.
Cronograma estimado de lançamento: 2º trimestre de 2025
Tipo de Lançamento: Pré-visualização pública
Juntamente com a funcionalidade existente para pontuação em lote com o PREDICT, o Fabric permitirá que os cientistas de dados forneçam previsões em tempo real de qualquer modelo de ML registrado usando endpoints on-line seguros e escaláveis que são configurados automaticamente. Esses pontos de extremidade podem ser chamados de outros mecanismos Fabric ou de aplicativos externos, permitindo que os usuários implantem seus modelos para um consumo amplo e confiável.