Функции ИИ в Azure Databricks
Внимание
Эта функция предоставляется в режиме общедоступной предварительной версии.
В этой статье описаны функции ИИ Azure Databricks, встроенные функции SQL, которые позволяют применять ИИ непосредственно из SQL.
SQL имеет решающее значение для анализа данных из-за его универсальности, эффективности и широкого использования. Его простота позволяет быстро извлекать, манипулировать и управлять большими наборами данных. Включение функций ИИ в SQL для анализа данных повышает эффективность, что позволяет предприятиям быстро извлекать аналитические сведения.
Интеграция ИИ в рабочие процессы анализа обеспечивает доступ к информации, ранее недоступной аналитикам, и позволяет им принимать более обоснованные решения, управлять рисками и поддерживать конкурентное преимущество с помощью инноваций, управляемых данными, и эффективности.
Функции искусственного интеллекта с помощью API модели Databricks Foundation
Примечание.
Для Databricks Runtime 15.0 и более поздних версий эти функции поддерживаются в средах записных книжек, включая записные книжки Databricks и рабочие процессы.
Эти функции вызывают модель создания искусственного интеллекта из API модели Databricks Foundation для выполнения таких задач, как анализ тональности, классификация и перевод. См. статью "Анализ отзывов клиентов с помощью функций ИИ".
- ai_analyze_sentiment
- ai_classify
- ai_extract
- ai_fix_grammar
- ai_gen
- ai_mask
- ai_similarity
- ai_summarize
- ai_translate
ai_query
Примечание.
- Для Databricks Runtime 14.2 и более поздних версий эта функция поддерживается в средах записных книжек, включая записные книжки и рабочие процессы Databricks.
- Для Databricks Runtime 14.1 и ниже эта функция не поддерживается в средах записных книжек, включая записные книжки Databricks.
Эта ai_query()
функция позволяет обслуживать модели машинного обучения и большие языковые модели с помощью службы модели ИИ Мозаики и запрашивать их с помощью SQL. Для этого эта функция вызывает существующую конечную точку обслуживания модели ИИ Мозаики и анализирует и возвращает ответ. Вы можете использовать ai_query()
для запроса конечных точек, которые служат пользовательским моделям, базовым моделям, доступным с помощью API-интерфейсов модели Foundation и внешних моделей.
- функция ai_query.
- Запрос обслуживаемой модели с помощью ai_query().
- Запрос внешней модели с помощью ai_query().
ai_forecast
Функция ai_forecast()
— это функция с табличным значением, предназначенная для экстраполации данных временных рядов в будущем. В самой общей форме ai_forecast()
принимает сгруппированные, многовариантные, смешанные данные детализации и прогнозируют, что данные до некоторого горизонта в будущем.
Внимание
Эта функция доступна в общедоступной предварительной версии. Обратитесь к группе учетной записи Databricks, чтобы принять участие в предварительной версии.
Дополнительные сведения см . в ai_forecast функции .
vector_search
Эта vector_search()
функция позволяет выполнять поиск и запрашивать индекс векторного поиска мозаики ИИ с помощью SQL.
Внимание
Эта функция доступна в общедоступной предварительной версии. Обратитесь к группе учетной записи Databricks, чтобы принять участие в предварительной версии.
Дополнительные сведения см . в vector_search функции .
Обратная связь
https://aka.ms/ContentUserFeedback.
Ожидается в ближайшее время: в течение 2024 года мы постепенно откажемся от GitHub Issues как механизма обратной связи для контента и заменим его новой системой обратной связи. Дополнительные сведения см. в разделеОтправить и просмотреть отзыв по