Dela via

Sekretess, säkerhet och ansvarsfull användning av Copilot datavetenskap (förhandsversion)

  • Artikel

I den här artikeln får du lära dig hur Microsoft Copilot for Data Science fungerar, hur de skyddar dina affärsdata och följer sekretesskraven och hur du använder generativ AI på ett ansvarsfullt sätt. En översikt över de här avsnitten för Copilot i Infrastruktur finns i Sekretess, säkerhet och ansvarsfull användning för Copilot (förhandsversion).

Med Copilot för Data Science i Microsoft Fabric och andra generativa AI-funktioner i förhandsversion ger Microsoft Fabric ett nytt sätt att transformera och analysera data, generera insikter och skapa visualiseringar och rapporter i Data Science och de andra arbetsbelastningarna.

Överväganden och begränsningar finns i Begränsningar.

Dataanvändning för Copilot datavetenskap

  • I notebook-filer Copilot kan du bara komma åt data som är tillgängliga för användarens aktuella notebook-fil, antingen i ett bifogat lakehouse eller direkt inläst eller importerat till anteckningsboken av användaren. I notebook-filer Copilot kan du inte komma åt data som inte är tillgängliga för notebook-filen.

  • Har som standard Copilot åtkomst till följande datatyper:

    • Tidigare meddelanden som skickats till och svar från Copilot för den användaren i den sessionen.
    • Innehåll i celler som användaren har kört.
    • Utdata från celler som användaren har kört.
    • Scheman för datakällor i notebook-filen.
    • Exempeldata från datakällor i notebook-filen.
    • Scheman från externa datakällor i ett bifogat sjöhus.

Utvärdering av Copilot för datavetenskap

  • Produktteamet har testat Copilot för att se hur bra systemet presterar inom ramen för notebook-filer och om AI-svar är insiktsfulla och användbara.
  • Teamet investerade också i ytterligare skadereduceringar, inklusive tekniska metoder för att fokusera Copilotutdata på ämnen som rör datavetenskap.

Tips för att arbeta med Copilot för Data Science

  • Copilot är bäst rustat för att hantera datavetenskapsämnen, så begränsa dina frågor till detta område.
  • Var tydlig med de data som du vill Copilot undersöka. Om du beskriver datatillgången, till exempel namngivning av filer, tabeller eller kolumner, Copilot är det mer troligt att du hämtar relevanta data och genererar användbara utdata.
  • Om du vill ha mer detaljerade svar kan du prova att läsa in data i notebook-filen som DataFrames eller fästa data i lakehouse. Detta ger Copilot mer kontext som du kan utföra analys med. Om en tillgång är för stor för att läsas in är det ett användbart alternativ att fästa.

Relaterat innehåll