Novedades y planeadas para fabric Ciencia de datos en Microsoft Fabric
Importante
Los planes de versión describen la funcionalidad que puede haberse publicado o no. Las escalas de tiempo de entrega y la funcionalidad proyectada pueden cambiar o no enviarse. Consulte la directiva de Microsoft para obtener más información.
Fabric Ciencia de datos proporciona a los científicos de datos un flujo de trabajo completo para crear sus modelos de aprendizaje automático, desde la exploración hasta la puntuación del modelo. Desde una perspectiva de exploración de datos, los científicos de datos pueden usar R y Python en cuadernos y herramientas integradas como Data Wrangler para facilitar el análisis. Los usuarios pueden realizar un seguimiento y comparar sus experimentos de modelo y ejecutarse con MLFlow. Pueden guardar el modelo de mejor rendimiento en el área de trabajo como un nuevo elemento de modelo y usar fácilmente Predict para la puntuación por lotes a escala. La ciencia de datos en Fabric está profundamente integrada con el resto de la pila, lo que significa que es sin problemas puntuar datos en una instancia de Lake, escribir las predicciones en OneLake y visualizar los datos en informes mediante el modo Direct Lake.
Áreas de inversión
Funciones de IA para el enriquecimiento y transformación de texto con tecnología LLM [versión preliminar pública]
Escala de tiempo de lanzamiento estimada: Q4 2024
Tipo de versión: versión preliminar pública
Las funciones de inteligencia artificial de Fabric permitirán a los usuarios de cuadernos realizar tareas sin problemas, como el resumen de texto, la traducción, la clasificación, el análisis de sentimiento, la corrección gramatical, etc., lo que proporciona una API simplificada para enriquecimientos comunes y facilita a los usuarios aplicarlas con menos líneas de código. Las funciones estarán disponibles inicialmente sobre dataFrames de Pandas y, en última instancia, estarán disponibles a través de Spark, SQL y otras superficies de programación en Fabric.
AutoML de código bajo
Escala de tiempo de lanzamiento estimada: Q4 2024
Tipo de versión: versión preliminar pública
Nuestra herramienta AutoML de código bajo permite a los científicos de datos y analistas crear fácilmente modelos de aprendizaje automático sin necesidad de codificación extensa. A través de un asistente intuitivo y paso a paso, los usuarios pueden configurar e iniciar pruebas de AutoML directamente desde la interfaz de usuario.
Integración de aptitudes de IA con Azure AI Foundry
Escala de tiempo de lanzamiento estimada: Q1 2025
Tipo de versión: versión preliminar pública
Con la integración de aptitudes de Fabric AI en Azure AI Foundry, La aptitud fabric AI servirá como origen de conocimiento para el servicio de agente en Microsoft Azure AI Foundry. Esto permite al agente usar Fabric como centro de datos, pulsando en la información disponible en Fabric para responder a las consultas de usuario de forma precisa y eficaz. Al conectarse a Fabric AI Skill, el agente puede recuperar información de datos directamente desde Fabric, lo que permite a los consumidores interactuar y analizar sus datos de Fabric sin problemas a través de las aplicaciones de inteligencia artificial de Azure AI Foundry.
Modelos semánticos como nuevo origen de datos para la aptitud de inteligencia artificial
Escala de tiempo de lanzamiento estimada: Q1 2025
Tipo de versión: versión preliminar pública
Esta característica permite a los usuarios consultar sus modelos semánticos de Power BI en Fabric mediante lenguaje natural, recibiendo una respuesta concisa y la consulta DAX correspondiente. Los usuarios pueden formular preguntas como "¿Cuáles fueron las ventas totales en los últimos 12 meses?" y obtienen no solo el resultado, sino también la consulta DAX subyacente para la transparencia y reutilización. En el futuro, el usuario también debe ser capaz de proporcionar ejemplos de pocos ejemplos(preguntas de ejemplo) para guiar la aptitud de inteligencia artificial que el modelo semántico es la mejor herramienta para responder a esas preguntas. Este enfoque hace que la información de datos sea más accesible para todos los usuarios, a la vez que proporciona a los usuarios avanzados un mayor control y transparencia sobre el análisis.
Base de datos KQL como nuevo origen de datos en la aptitud de inteligencia artificial
Escala de tiempo de lanzamiento estimada: Q1 2025
Tipo de versión: versión preliminar pública
Esta característica permite a los usuarios consultar sus bases de datos de Kusto en Fabric mediante lenguaje natural, recibiendo una respuesta concisa y la consulta KQL (Lenguaje de consulta Kusto) correspondiente. Los usuarios pueden formular preguntas como "¿Cuál fue el número total de inicios de sesión de la semana pasada?" y obtienen no solo el resultado, sino también la consulta KQL subyacente para la transparencia y reutilización. Para mejorar la precisión, los usuarios pueden proporcionar ejemplos de ejemplos: preguntas de ejemplo con respuestas esperadas. El sistema admite consultas iterativas, lo que permite a los usuarios refinar sus preguntas o actualizar notas para obtener salidas más precisas, lo que hace que el análisis de datos sea más accesible al tiempo que permite a los usuarios avanzados tener un mayor control.
La aptitud de IA se convierte en un agente de inteligencia artificial conversacional
Escala de tiempo de lanzamiento estimada: Q1 2025
Tipo de versión: versión preliminar pública
La aptitud de inteligencia artificial ahora es conversacional, lo que permite a los usuarios participar en diálogos naturales, de ida y vuelta para explorar y comprender sus datos con facilidad. Esta mejora permite a los usuarios formular preguntas de seguimiento, refinar consultas y recibir información dinámica, lo que hace que la exploración de datos sea más intuitiva e interactiva.
Operaciones con tecnología de inteligencia artificial de código bajo en Wrangler de datos [versión preliminar pública]
Escala de tiempo de lanzamiento estimada: Q1 2025
Tipo de versión: versión preliminar pública
Un nuevo conjunto de operaciones con tecnología de inteligencia artificial en Data Wrangler permitirá a los usuarios describir las transformaciones de código con lenguaje natural y generar el python correspondiente; traducir código de Python personalizado en código pySpark; y aplique transformaciones de SynapseML como traducción de texto y análisis de sentimiento en cuestión de clics.
Copilot para Ciencia de datos/Ingeniero de datos referencias a la documentación de Fabric
Escala de tiempo de lanzamiento estimada: Q1 2025
Tipo de versión: versión preliminar pública
Nos complace anunciar una nueva característica en Fabric Copilot para Ciencia de datos y Ingeniero de datos. Copilot ahora puede acceder a la documentación de Fabric y hacer referencia a ella en sus respuestas, lo que proporciona a los usuarios información relevante directamente dentro de su flujo de trabajo.
Aspectos destacados más importantes:
- Integración sin problemas: Copilot en DS/DE ahora se integra con la documentación de Fabric, ofreciendo asistencia contextual e información detallada sin salir del área de trabajo.
- Productividad mejorada: al hacer referencia a la documentación de Fabric, Copilot en DS/DE ayuda a los usuarios a encontrar rápidamente respuestas, lo que reduce el tiempo de búsqueda y aumenta la productividad.
- Asistencia contextual: Copilot en DS/DE proporciona referencias de documentación precisas para admitir tareas de análisis, visualización e ingeniería de datos.
La nueva característica de Fabric Copilot para Ciencia de datos y Ingeniero de datos permite a los usuarios obtener la información que necesitan, justo cuando lo necesitan.
Puntos de conexión en tiempo real para modelos de Machine Learning [versión preliminar pública]
Escala de tiempo de lanzamiento estimada: Q2 2025
Tipo de versión: versión preliminar pública
Junto con la funcionalidad existente para la puntuación por lotes con PREDICT, Fabric permitirá a los científicos de datos atender predicciones en tiempo real desde cualquier modelo de ML registrado mediante puntos de conexión en línea seguros y escalables que se configuran automáticamente. Estos puntos de conexión se pueden llamar desde otros motores de Fabric o desde aplicaciones externas, lo que permite a los usuarios implementar sus modelos para un consumo amplio y confiable.