Azure Databricks 上的 AI Functions
重要
這項功能處於公開預覽狀態。
本文說明 Azure Databricks AI Functions,內建的 SQL 函式,可讓您直接從 SQL 對您的數據套用 AI。
SQL 對於數據分析而言非常重要,因為其多功能性、效率及廣泛使用。 其簡單性可讓您快速擷取、操作及管理大型數據集。 將 AI 函式併入 SQL 以進行數據分析可提升效率,讓企業能夠快速擷取見解。
將 AI 整合到分析工作流程可提供分析人員先前無法存取的資訊存取權,並讓他們能夠透過數據驅動的創新和效率,做出更明智的決策、管理風險,並維持競爭優勢。
使用 Databricks Foundation 模型 API 的 AI 函式
注意
針對 Databricks Runtime 15.0 和更新版本,這些函式支援在筆記本環境中,包括 Databricks 筆記本和工作流程。
這些函式會從 Databricks Foundation 模型 API 叫用最先進的產生 AI 模型,以執行情感分析、分類和翻譯等工作。 請參閱 使用 AI Functions 分析客戶評論。
- ai_analyze_sentiment
- ai_classify
- ai_extract
- ai_fix_grammar
- ai_gen
- ai_mask
- ai_similarity
- ai_summarize
- ai_translate
ai_query
注意
- 針對 Databricks Runtime 14.2 和更新版本,在筆記本環境中支援此函式,包括 Databricks 筆記本和工作流程。
- 針對 Databricks Runtime 14.1 和以下版本,筆記本環境中不支援此函式,包括 Databricks 筆記本。
函 ai_query()
式可讓您使用 Databricks 模型服務 來提供機器學習模型和大型語言模型,並使用 SQL 進行查詢。 若要這樣做,此函式會叫用現有的 Databricks 模型服務端點,並剖析並傳回其回應。 您可以使用 ai_query()
來查詢提供自定義模型的端點、使用 基礎模型 API 提供的基礎模型,以及 外部模型。
- ai_query函式。
- 使用 ai_query查詢服務模型。
- 使用 ai_query()查詢外部模型。
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應