瞭解如何在 Microsoft Fabric 中使用 Copilot

層級：初學者

瞭解如何開始在 Microsoft Fabric 中使用 Copilot 功能，以及 Copilot 在 Microsoft Fabric 工作負載中的運作方式。本教學課程會引導您了解各種 Microsoft Copilot excel 的案例，從程式代碼和查詢產生到數據分析和視覺效果。

此外，您也了解數據工程師、數據科學家、數據分析師和 BI 工程師/使用者等各種角色如何使用 Copilot 功能，在 Microsoft Fabric 工作負載中使用 Copilot 來加速日常工作。

在本教學課程結束時，您將具備穩固的基礎，以瞭解 Microsoft Copilot 如何在各種工作中提升生產力。

本教學課程中的練習包括：

使用適用於Data Factory的 Copilot 建立智慧型手機資料轉換
使用適用於資料工程的 Copilot 加速數據工程工作
使用適用於資料科學的 Copilot 建立分析模型

Microsoft Fabric 中 Copilot 的體驗

適用於 Data Factory 的 Copilot
適用於資料工程和資料科學的 Copilot
適用於 Data Warehouse 的 Copilot
適用於 Real-Time Intelligence 的 Copilot
適用於 Power BI 的 Copilot

適用於 Data Factory 的 Copilot

剩餘 61 分鐘

您好！歡迎使用 Copilot for Data Factory 練習！

在此練習中，您將瞭解如何使用適用於 Data Factory 的 Copilot 來建立現有查詢的新轉換、提供現有查詢的摘要、建立參考現有查詢的新查詢、產生新數據，以及建立複雜的查詢來配量和擷取數據。

您也瞭解如何撰寫有效的提示，以更有效地利用 Copilot 的功能。以下我們也包含逐步影片，可引導您以可視化方式完成練習。

若要完成此練習，您必須在 Microsoft Fabric 中啟用 copilot 。

您也需要從此鏈接下載此練習所需的資產。

案例：數據工程師想要將銷售和客戶數據載入和轉換成 Lakehouse。工程師需要：

瞭解已經存在的查詢。
建立現有查詢的轉換，以新增新的數據行以協助進一步分析。
清除資料以移除空白值。
建立具有 2012 年所有日期清單的新查詢，以配量和骰子數據。

下列影片顯示您完成此練習的整體程式：

那就開始吧！

使用 Copilot for Data Factory

目標：瞭解如何使用 Copilot for Data Factory 來建立現有查詢的新轉換、提供現有查詢的摘要、建立參考現有查詢的新查詢、產生新數據，以及建立複雜的查詢來配量和擷取數據。

執行下列步驟：

使用 Microsoft Fabric 工作區左下方的體驗切換器，切換至 Data Factory 體驗。在 Data Factory 體驗中，建立新的 Dataflow Gen2 專案
選取 [ 取得數據]，然後選擇 [文字/CSV] 選項，然後上傳 *Human Resources、Sales、Person、Customer、Purchase 和 Products csv 檔案，以上傳所需的數據。
您的數據會以查詢方式載入您的資料流。接下來，從 [首頁] 索引卷標選取 [Copilot ] 按鈕。這會在畫面右側開啟 Copilot 面板，從這裡您會看到 Copilot 建議提示，也可讓您輸入自己的提示。
現在，我們需要開始執行一些數據轉換。但在開始之前，我們需要瞭解一些現有的查詢。我們使用 Copilot 來提供這些查詢的摘要。選取 Sales 查詢，如果是 Copilot 面板，請從左下方選取入門提示圖示，然後選取 [ 描述此查詢] 選項。提交提示並檢閱 Copilot 提供的描述。您可以針對其他查詢重複此程式。

注意

在提交提示之前，請確定已選取要 Copilot 協助/回應的查詢。
既然我們已經瞭解正在使用的數據;我們現在可以開始處理各種轉換。首先，您需要讓小組取得銷售所產生的營收，以便他們稍後可以建置更好的模型和視覺效果。若要達到此目的，請選取 Sales 查詢，然後在 Copilot 面板的文字框中輸入下列提示：

「新增數據行「毛收益」是『UnitPrice』和 'OrderQty' 的乘積，結果會四捨五入為兩個小數位數。
提交文字。 Copilot 會傳回回應卡，其中包含所做變更的簡短摘要，也會將新的數據行新增至查詢。請花點時間檢閱所做的變更。

請注意，回應卡片也會提供按鈕 undo ，讓您還原視需要所做的變更。
您必須取得提供給每個銷售之折扣金額的貨幣值。若要達到此目的，請提交下列提示：

新增「折扣值」數據行，該數據行是「毛收益」和「UnitPriceDiscount」的乘積，結果會四捨五入為兩個小數位數。
請注意，在 Copilot 使用回應卡回應此提示並對查詢進行相關聯的變更之後， Undo 就無法再使用先前回應卡中的按鈕。這是因為 Copilot 只允許您復原上次所做的變更。
若要進行更好的分析，您需要有另一個數據行，以取得所產生收益的值，同時將折扣值納入考慮。您是否可以使用 Copilot 新增數據行，以取得 [毛收益] 和 [折扣值] 數據行之間的差異，並將結果四捨五入到兩個小數位數？
您也需要瞭解出貨天數對所產生銷售和營收的影響。若要達到此目的，請使用 Copilot 新增新的自定義數據行，以取得 OrderDate 與 ShipDate 數據行之間的差異。
由於在先前步驟中所做的轉換， Sales 查詢現在應該會有這些其他數據行
接下來，手動重新命名下列查詢：
- 客戶到 DimCustomer
- 購買DimShipping
- 產品到 DimProducts
接下來，您需要建立維度數據表，以讓您根據銷售量分析每個商店。若要達到此目的，請選取 Sales 查詢並提交下列提示：

建立新的查詢，並只選取『StoreKey』和『StoreName』資料行，並保留唯一的值。並移除空白值
Copilot 會建立名為 query的新查詢。將此查詢重新命名為 DimStore。
接下來，您需要有一個維度數據表，可讓您儲存員工資訊，以便在視覺效果中使用。若要達到此目的，請選取 Human Resources 查詢並提交下列提示，然後將查詢重新命名 Human Resources 為 DimEmployee

將步驟新增至查詢，以保留 'EmployeeKey' 的唯一值並移除空白數據列
完成上述兩個步驟之後，您的數據流中應該會有下列查詢：
接下來，您需要維度數據表，可讓您根據數據進行配量，以查看季度、年度和會計年度的銷售績效。若要達到此目的，請從 [首頁] 索引標籤中選取 [ 輸入數據 ]，然後將第一個數據行 DateKey命名為，以手動新增查詢。
建立查詢之後，請提交下列提示，讓 Copilot 產生 DateKey 數據行的數據

將步驟新增至查詢，以從 2012/1 到 2013/12/31 將日期值新增至 “DateKey” 數據行
將 DateKey 資料行的類型變更為 Date。
現在，您必須將日期值分割成 Days、Month、MonthName 和 Year，以進行更好的分析。您可以使用下列提示來達成此目的：

新增數據行 “Day”、“Month” 和 “Year”
接下來，您必須能夠識別會計年度的開始，以在查看銷售績效時進行更好的分析。若要達到此目的，請使用下列提示：

如果 'Date' 月份大於或等於 7，請將 1 新增至 'Year'，如果 'Date' 月份小於或等於 6，則保持原樣。將結果儲存在新數據行『Fiscal Year』中，並採用結果的最後兩個數位，並將它們與前置詞『FY』結合
最後，您也想要根據會計年度的每一季來查看銷售績效。數據表內必須有Quarter資料行。若要達到此目的，請使用下列提示：

當 'Month' 等於 7 或 8 或 9 時，新增值為 'Q1' 的數據行 'Quarter'、當 'Month' 等於 10 或 11 或 12 時新增 'Q2'、當 'Month' 等於 1 或 2 或 3 時為 'Q3'，當 'Month' 等於 4 或 5 或 6 時，則為 'Q4'
將查詢重新命名為 DimDate。此時 DimDate 查詢看起來應該像這樣：
最後，新增 Lakehouse 作為數據流中所有查詢的目的地，然後發佈數據流。

恭喜！

這樣就大功告成了！您已完成本教學課程，並瞭解如何使用 Copilot for Data Factory 來建立現有查詢的新轉換、提供現有查詢的摘要、建立參考現有查詢的新查詢、產生新數據，以及建立複雜的查詢來配量和擷取數據。

請記住，您使用的是 Copilot，而不是 Autopilot。這些工具可讓您在日常工作中助理，而不是為您執行工作。

您對於這些練習有何想法？您想要查看更多內容？請在內嵌影片的批注中讓我們知道。

適用於資料工程 & 資料科學的 Copilot

剩餘 31 分鐘

歡迎使用 Microsoft Fabric 中的 Copilot for 資料工程 & 資料科學練習！

本練習是 Microsoft Fabric 教學課程中 Copilot 的第二個練習。在此練習中，您將瞭解如何在筆記本中使用 Copilot，讓資料工程和資料科學工作負載產生代碼段、提供現有程式碼的說明、建議數據視覺效果、建議分析機器學習模型等等。

您也瞭解如何撰寫有效的提示，以在各種案例中更有效地利用 Copilot 的功能。此外也會包含逐步影片，以可視化方式引導您完成練習。

如同上一個練習，若要完成此練習，您必須在 Microsoft Fabric 中啟用 Copilot ，並確保您擁有此練習所需的資產。如果您尚未這麼做，您可以從此鏈接下載必要的資產。

您也需要在上一個練習的 Lakehouse 中載入下列資料表：

DimCustomer
DimProducts
銷售
DimShipping
DimStore
DimDate
DimEmployee
人員

案例：數據工程師/數據科學家想要分析客戶的人口統計。工程師需要：

瞭解載入和轉換客戶數據的現有程序代碼。
轉換數據以移除空白值，並新增數據行以協助進一步分析。
依各種人口統計將客戶數據可視化。
建立機器學習模型，以預測客戶購買自行車的可能性，以協助行銷小組建立目標營銷活動。

下列影片顯示您完成此練習的整體程式：

那就開始吧！

適用於資料工程 & 資料科學的 Copilot

目標：瞭解如何在筆記本中使用 Copilot 來資料工程和資料科學工作負載，以產生代碼段、提供現有程式代碼的說明、建議數據視覺效果、建議分析機器學習模型等等。

若要完成此練習，請執行下列步驟：

開啟 Lakehouse，其中會載入上一個練習中來自 Data Factory 的數據。在 [數據表] 資料夾內，開啟資料 Person 表。
這會開啟數據 Person 表。最後一個名為的 Demographics欄包含每個人的人口統計，做為 XML 數據。在後續步驟中，我們將轉換此數據，以將其解壓縮到它自己的數據表，並建置分析模型。
從您下載的資產中，您將在此練習中使用 *[load_demographics.ipynb] 筆記本。
使用 Fabric 工作區底部的體驗切換器，切換至 資料工程 體驗。從這裡選取 [ 匯入筆記本 ] 專案。在開啟的面板上，選取 [ 上傳 ] 按鈕，然後上傳 load_demographics.ipynb 檔案。
從左側導覽列中，選取您的工作區，然後開 啟load_demographics 筆記本。從總管選擇 [Lakehouses ] 作為您的數據源，然後選取 [ 新增]。選取 [現有的 Lakehouse] 選項，然後再次選取 [新增 ]。挑選儲存數據所在的 Lakehouse，然後選取 [ 新增 ] 以完成。總管會顯示 Lakehouse，其中包含上一個練習中的所有數據表。
我們載入的筆記本包含一些現有的程式代碼，我們會使用 Copilot 來協助我們先瞭解此現有程式代碼和程式碼中的 DataFrame，再開始任何其他轉換工作。繼續進行第一個單元格之前，請務必在 Select 語句中重新命名 Lakehouse，以符合您的 Lakehouse 名稱。
從功能區選取 [Copilot ] 按鈕，以新增 Copilot 功能。這會開啟畫面右側的 Copilot 面板。
選取 [Copilot] 面板中的 [ 開始使用 ] 按鈕。這會在筆記本開頭新增儲存格，其中包含程式代碼會新增在筆記本中使用 Copilot 所需的套件。
執行程式代碼數據格，將必要的套件新增至筆記本。完成後，請花一些時間檢閱輸出;這包括數據 隱私權 & 安全 性和 Chat_Magics一節。我們將在後續步驟中使用Chat_Magics。
執行下一個儲存格，將資料從 Person、 DimProducts和 Sales 資料表載入 DataFrame。
在接下來兩個儲存格的開頭新增下列 chat-magics 命令，並執行這兩個單元格。

%%chat

逐步說明這個程式代碼區塊
針對第一個數據格，Copilot 說明如何執行各種數據行聯結和重新命名。在第二個儲存格的輸出中，Copilot 說明如何剖析 XML 數據，並將其轉換成結構化 DataFrame。您是否注意到 Copilot 提及使用 UDF？什麼是UDF？
在右側開啟的 [Copilot] 窗格上，提交下列提示：

什麼是UDF？
繼續進行之前，讓我們在這些儲存格中新增一些批注，以改善可讀性。移除兩個儲存格中聊天的chat_magics，並以下列chat_magics取代：

%%add_comments
執行儲存格以新增批注。

注意

請務必檢閱新增至單元格的批注，以確保其正確無誤，而且程式代碼未以任何方式改變。
執行這兩個儲存格。
使用 Copilot 來瞭解在上述步驟中建立的 DataFrame df_cust_details 。提交下列提示：

%describe

df_cust_details
在新的資料格中執行下列程式代碼行，以確認在輸出中 Copilot 所描述的數據行存在於 DataFrame 中：

顯示 (df_cust_details)
您會注意到 TotalPurchaseYTD 具有所有空白值，我們需要將其卸除。新增資料格並執行下列提示：

%%code

拿掉 TotalPurchaseYTD 資料行
Copilot 會產生程式代碼來移除數據行、檢閱程式代碼，並執行數據格來移除數據行。
新增名為 Age 的新資料行，使用 Copilot 面板並提交下列提示，以取得新增數據行的程式代碼：

使用 2012 作為目前年份，將數據行 'age' 新增至 df_cust_details
請花時間檢閱 Copilot 所產生的程式代碼和說明，然後使用回應卡上的 [插入程式代碼 ] 按鈕，將程式代碼新增至新的儲存格並執行儲存格。
由於我們想要建置分析模型來預測客戶購買自行車的可能性，因此我們需要轉換數據以新增數據行，指出客戶是否已購買自行車。使用 Copilot 面板提交下列提示：

針對『ProductCategory』為『Bikes』的數據列，新增值為 1 的新數據行 'IsBikeBuyer'，否則為 0。
檢閱 Copilot 所產生的程式代碼和提供的說明，然後使用回應卡上的 [插入程式碼 ] 按鈕，將程式代碼新增至新的數據格。如果產生的程式代碼會為篩選的資料建立新的 DataFrame，請將 DataFrame 重新命名回 df_cust_details。執行儲存格。
使用 Copilot 面板，選取提示指南圖示，然後選取 [建議數據視覺效果 ] 選項。在提示文字框中，將取代 [YOUR_DATA_NAME] 為 df_cust_details ，然後提交提示。
挑選其中一個建議的視覺效果，並使用 Copilot 面板或Chat_Magics來產生視覺效果的程序代碼。
請花點時間，並在提示指南中試用 Copilot 所提供的其他選項。
使用Chat_Magics將 DataFrame 儲存至 Lakehouse 中的數據表。

%%code

將df_cust_details儲存至 Lakehouse 的新數據表
檢視 Copilot 所產生的程式代碼，並視需要將數據表重新命名為更適合的名稱。執行儲存格，將 DataFrame 儲存至 Lakehouse 中的新數據表。
重新整理數據源總管，以查看在 Lakehouse 中建立的新數據表。
最後，如何使用 Copilot 來預測客戶購買自行車的可能性，以協助行銷小組建立目標營銷活動？使用 Copilot 面板提交下列提示：

建議如何使用df_cust_details來建置預測性機器學習模型，以預測客戶是否可能購買自行車，或不協助 Adventure Works、自行車店、建置目標行銷活動、'IsBikeBuyer' 數據行是目標數據行。
請仔細檢閱 Copilot 所產生的程式代碼和提供的說明。使用回應卡上的 [插入程序代碼 ] 按鈕，將程式代碼新增至新的儲存格並執行儲存格。

恭喜！

這樣就大功告成了！您已在 Microsoft Fabric 中成功完成適用於資料工程 & 資料科學練習的 Copilot。您已瞭解如何在筆記本中使用 Copilot 來產生代碼段、提供現有程式碼的說明、建議數據視覺效果、建議分析機器學習模型等等。

請記住，您使用的是 Copilot，而不是 Autopilot。這些工具可讓您在日常工作中助理，而不是為您執行工作。

您對於這些練習有何想法？您想要查看更多內容？請在內嵌影片的批注中讓我們知道。

恭喜！

100% 完成！

您已完成本教學課程

恭喜您完成教學課程！您現在已瞭解如何跨各種工作負載在 Microsoft Fabric 中使用 Copilot。

共用方式為

瞭解如何在 Microsoft Fabric 中使用 Copilot

Microsoft Fabric 中 Copilot 的體驗

適用於 Data Factory 的 Copilot

使用 Copilot for Data Factory

恭喜！

適用於 資料工程 & 資料科學 的 Copilot

適用於 資料工程 & 資料科學 的 Copilot

恭喜！

恭喜！

您已完成本教學課程

適用於資料工程 & 資料科學的 Copilot

適用於資料工程 & 資料科學的 Copilot