Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Microsoft Fabric, tek bir birleşik platformda gelişmiş analiz, makine öğrenmesi (ML) ve yapay zeka modelini kullanıma hazır hale getirme araçları sağlar. Veri Bilimi iş yükü, veri bilimcilerinin ve analistlerin verileri keşfetmesi, hazırlaması ve analiz edebilmesi, ML modelleri oluşturup izlemesi ve yapay zeka iş akışlarını kullanıma hazır hale getirmesi için tasarlanmıştır. Power BI'deki Altyapı IQ Veri Aracıları, Operasyon Aracıları ve Copilot, doğal dil, otomasyon ve içgörü temelli eylemlerle verilerle etkileşimi geliştirir.
Bu makalede şunları öğreneceksiniz:
- Konuşma analizi ve operasyonel otomasyon için yapay zeka aracıları
- Model eğitimi, izleme ve dağıtım için veri bilimi iş akışları
- GraphQL ve Copilot ile geliştirici ve kullanıcı erişimi seçenekleri
Yapay zeka aracıları
Microsoft Fabric'teki yapay zeka aracıları, ekiplerin pasif raporlamadan etkin karar desteğine geçmesine yardımcı olur. Veri Aracıları, yönetilen verilerin doğal dil sorularıyla daha kolay keşfedilmeye başlanmasını sağlarken, Operations Agents iş koşullarını izler ve kurallar karşılandığında eylemleri tetikler. Ekipler birlikte içgörüleri ve otomasyonu birbirine bağlayarak ekiplerin daha hızlı yanıt vermesini, el ile çalışmayı azaltmalarını ve daha fazla bağlamla kararlar almalarını sağlar.
Veri aracısı
Veri Aracıları, konuşma analizinden yapay zeka iş akışlarına kadar özellikleri genişletmek için Microsoft Foundry, Copilot Studio ve Microsoft 365 Copilot ile tümleşir:
Foundry IQ, Veri Aracılarının diğer aracılarla birlikte yapılandırılmış iş içgörülerine katkıda bulunduğu paylaşılan bir bağlam katmanı sağlar ve kurumsal sistemlerde çok aşamalı mantık ve düzenleme sağlar.
Copilot Studio, teams, web uygulamaları veya iş kolu uygulamalarına özel beceriler olarak bu aracıları eklemenizi, Copilot istemlerine canlı iş bağlamı eklemenizi ve Soru-Cevap'ı iş akışı otomasyonuyla birleştirmenizi sağlar.
Microsoft 365 Copilot ile tümleştirme, bu aracıların doğrudan Outlook, Excel ve Teams gibi üretkenlik araçları içinde yönetilen, ontoloji temelli içgörüler ortaya çıkararak konuşma analizini iş akışı otomasyonuyla birleştirmesini sağlar.
Operasyon Temsilcisi
İşlem Aracıları , gerçek zamanlı veri akışlarını izleyen, olayları yorumlayan ve eylemleri yürüten veya öneren otonom, ontoloji temelli yapay zeka bileşenleridir. Ontolojiyi kullanarak kuralları ve hedefleri uygular ve reaktif yanıtlar yerine proaktif karar alma olanağı sağlar. Teams, uyarılar ve insan onayları sağlarken iş akışlarını ERP, CRM ve diğer sistemlerde tetiklemek amacıyla Activator ve Power Automate ile bütünleşir. Soruları yanıtlamaya odaklanan Veri Aracılarından farklı olarak, Operasyon Aracıları canlı koşullar üzerinde sürekli olarak hareket eder, gelecekteki kararları geliştirmek için sonuçlardan ders alır ve işlemleri uyarlamalı, bağlam açısından duyarlı otomasyona dönüştürür.
Aşağıdaki diyagramda, Doku IQ'daki Veri Aracıları ve İşlem Aracılarının içgörüler sağlamak ve eylemleri tetikleme amacıyla yönetilen kurumsal veri ve otomasyon hizmetlerini nasıl kullandığı gösterilmektedir.
Veri aracıları ve işlem aracıları arasında seçim yapma
Microsoft Fabric IQ'daki Veri Aracıları ve İşlem Aracıları farklı rollere hizmet eder. Veri Aracıları, kullanıcı sorularını doğal dilde yanıtlayarak, anlamsal temel oluşturma için ontolojiyi kullanarak ve Lakehouses, Warehouses ve Power BI modelleri gibi birden çok kaynağı sorgulayarak konuşma analizi sağlar. Teams, Copilot Studio ve içgörü teslimi için özel uygulamalar aracılığıyla harici olarak tümleşir.
Buna karşılık, Operasyon Aracıları otonom karar alma sürecine odaklanır. Eylemleri tetikleme veya önerme amacıyla gerçek zamanlı veri akışlarını ontoloji tabanlı kurallara göre izler. Power Automate (Activator aracılığıyla), uyarılar ve onaylar için Teams ve ERP veya CRM gibi dış işletim sistemleriyle tümleşir. Veri Aracıları içgörüler için veri erişimini demokratikleştirirken, İşlem Aracıları ise operasyonel iyileştirme için proaktif, idare edilen otomasyonu destekler.
Veri bilimi iş akışları
Doku Veri Bilimi tam ML yaşam döngüsünü kapsar: veri keşfi, hazırlık, model denemesi, izleme, dağıtım ve tüketim. İhtiyacınız olan araçlar arasında not defterleri, Apache Spark, MLflow ve AutoML bulunur ve bunların hepsi birleştirilmiş bir platformda bulunur. Veri bilimcileri, ml modellerini veri mühendisleri ve analistleriyle birlikte tek bir yerde geliştirebilir ve kullanıma hazır hale getirebilir.
MLflow ile denemeleri izleme
Microsoft Fabric'teki denemeler model eğitim çalıştırmalarını düzenler ve izler. Fabric'deki bir deney, MLflow denemesiyle benzer şekilde çalışır; her çalıştırmanın model eğitim kodunun bir yürütmesi olduğu bir denemeler koleksiyonunu içerir. MLflow ile bütünleştiği için, Fabric sayesinde her çalışma özel günlük kodu gerektirmeden hiperparametreler, metrikler, etiketler, kod sürümü ve çıktı öğeleri gibi ilgili bilgileri otomatik olarak günlüğe kaydedebilir. MLflow izleme, Doku'nun not defterlerinde ve Spark işlerinde yerel olarak yerleşiktir, bu nedenle veri bilimciler denemeler ve kayıt çalıştırmaları oluşturmak için MLflow API'lerini veya Doku kullanıcı arabirimini kullanabilir.
ML modellerini kaydetme ve dağıtma
Fabric'teki ML modelleri kayıtlı makine öğrenmesi modelleridir. Fabric'in model yönetimi, modelleri depolamak, sürümlemek ve izlemek için MLflow destekli kayıt defterlerini kullanır. En iyi deneme çalıştırmasını seçtikten sonra hiper parametreler, ölçümler ve ortam ayrıntıları gibi meta verileri depolamak için modeli Fabric'e kaydedin. Modeller, Spark ve Python ortamlarında birlikte çalışabilirlik sağlayan standartlaştırılmış bir MLflow biçiminde kaydedilir.
Modeller Spark'ta toplu puanlama için veya düşük gecikme süreli tahminler için gerçek zamanlı uç noktalar aracılığıyla dağıtılabilir.
Aşağıdaki diyagramda, veri hazırlama ve denemeden model kaydı ve dağıtımına kadar Doku'daki uçtan uca Veri Bilimi iş akışı gösterilmektedir.
GraphQL ile geliştirici veri erişimi
GraphQL API'si, Fabric içerisinde birden çok veri kaynağını sorgulamak için tek ve esnek bir uç nokta sağlar; bunlar arasında Ambarlar, SQL Veritabanları, Lakehouse'lar ve yansıtılmış veritabanları bulunmaktadır. Şema bulmayı, oluşturulan sorguları, ilişki modellemeyi ve etkileşimli sorgu testlerini destekler. Fabric ortamlarında hızlı, istemci tabanlı veri erişimi sağlarken belirli tabloları, görünümleri ve alanları açığa çıkarmayı kolaylaştırır.
Power BI'de Copilot
Power BI'daki Copilot , doğal dil veri etkileşimi sağlar. Kullanıcılar verileri keşfedebilir, içgörüler oluşturabilir, görseller oluşturabilir ve DAX ifadeleri oluşturabilir.
Tek başına Copilot deneyimi, kullanıcıların erişebileceği rapor, anlam modeli veya Doku veri aracısı gibi ilgili bir veri kaynağını otomatik olarak seçerek öğeler arası konuşma analizini destekler. Gerektiğinde net sorular sorar ve doğru raporu veya modeli seçtikten sonra hemen içgörüler sunabilir. Yapay zeka için verilerin hazırlanması ve anlam modellerinin onaylanması doğruluğu artırır ve yüksek kaliteli yanıtlar sağlar.