Microsoft Fabric の Fabric データ サイエンスの新機能と計画
重要
リリース計画で説明されている機能は、まだリリースされていない場合があります。 提供タイムラインおよび予定されている機能は、変更される可能性、またはリリースされない可能性があります。 詳細については、「Microsoft ポリシー」をご覧ください。
Fabric Data Science は、探索からモデルスコアリングまで、機械学習モデルを構築するためのエンドツーエンドのワークフローをデータ サイエンティストに提供します。 データ探索の観点から、データ サイエンティストは Notebooks で R と Python を使用でき、Data Wrangler などの組み込みツールを使用して簡単に分析できます。 ユーザーは、モデルの実験と実行を MLFlow で追跡および比較できます。 ワークスペースで最もパフォーマンスの高いモデルを新しいモデル項目として保存し、大規模なバッチ スコアリングに Predict を簡単に使用できます。 Fabric のデータ サイエンスは、スタックの残りの部分と深く統合されています。つまり、Lakehouse 内のデータのスコア付け、OneLake への予測の書き戻し、Direct Lake モードを使用したレポート内のデータの視覚化はシームレスです。
投資分野
| 機能 | リリース予定のタイムライン |
|---|---|
| LLM を利用したテキスト エンリッチメントと変換のための AI 関数 [パブリック プレビュー] | Q4 2024 |
| ロー コード AutoML | Q4 2024 |
| AI スキルと Azure AI Foundry の統合 | 2025 年第 1 四半期 |
| AI スキルの新しいデータ ソースとしてのセマンティック モデル | 2025 年第 1 四半期 |
| AI スキルの新しいデータ ソースとしての KQL データベース | 2025 年第 1 四半期 |
| AI スキルが会話型 AI エージェントになる | 2025 年第 1 四半期 |
| Data Wrangler での低コードの AI を利用した操作 [パブリック プレビュー] | 2025 年第 1 四半期 |
| データ サイエンス/データ エンジニア参照用の Copilot Fabric ドキュメント | 2025 年第 1 四半期 |
| Machine Learning モデルのリアルタイム エンドポイント [パブリック プレビュー] | 2025 年第 2 四半期 |
LLM を利用したテキスト エンリッチメントと変換のための AI 関数 [パブリック プレビュー]
リリース予定のタイムライン: 2024 年第 4 四半期
リリースの種類: パブリック プレビュー
Fabric の AI 関数を使用すると、ノートブック ユーザーはテキストの要約、翻訳、分類、センチメント分析、文法修正などのタスクをシームレスに実行でき、一般的なエンリッチメントのための簡略化された API が提供され、ユーザーはコード行を減らして簡単に適用できます。 この関数は、最初は pandas DataFrames 上で使用でき、最終的には Fabric 全体で Spark、SQL、およびその他のプログラミング サーフェイスを介して利用できるようになります。
ロー コード AutoML
リリース予定のタイムライン: 2024 年第 4 四半期
リリースの種類: パブリック プレビュー
ローコード AutoML ツールを使用すると、データ サイエンティストやアナリストは、広範なコーディングを必要とせずに機械学習モデルを簡単に作成できます。 直感的なステップ バイ ステップ ウィザードを使用して、ユーザーはユーザー インターフェイスから直接 AutoML 試用版を構成して起動できます。
AI スキルと Azure AI Foundry の統合
リリース予定のタイムライン: 2025 年第 1 四半期
リリースの種類: パブリック プレビュー
Azure AI Foundry での Fabric AI スキルの統合により、Fabric AI Skill は Microsoft Azure AI Foundry の Agent Service のナレッジ ソースとして機能します。 これにより、エージェントは Fabric をデータ ハブとして使用し、Fabric 内で利用可能な分析情報を活用して、ユーザー のクエリに正確かつ効率的に応答できます。 Fabric AI Skill に接続することで、エージェントは Fabric から直接データ分析情報を取得できるため、コンシューマーは Azure AI Foundry の AI アプリケーションを介して Fabric データをシームレスに操作および分析できます。
AI スキルの新しいデータ ソースとしてのセマンティック モデル
リリース予定のタイムライン: 2025 年第 1 四半期
リリースの種類: パブリック プレビュー
この機能を使用すると、ユーザーは自然言語を使用して Fabric の Power BI セマンティック モデルに対してクエリを実行し、簡潔な回答と対応する DAX クエリの両方を受け取ることができます。 ユーザーは、「過去 12 か月間の売上合計は何でしたか」のような質問をすることができます。 結果だけでなく、透明性と再利用のための基になる DAX クエリも取得します。 今後、ユーザーは、セマンティック モデルがこれらの質問に答える最適なツールであることを AI スキルに導くために、いくつかのショットの例 (サンプルの質問) も提供できる必要があります。 このアプローチにより、すべてのユーザーがデータ分析情報にアクセスしやすくなり、高度なユーザーに分析に対する制御と透明性が向上します。
AI スキルの新しいデータ ソースとしての KQL データベース
リリース予定のタイムライン: 2025 年第 1 四半期
リリースの種類: パブリック プレビュー
この機能を使用すると、ユーザーは自然言語を使用して Fabric の Kusto データベースに対してクエリを実行し、簡潔な回答と対応する KQL (Kusto 照会言語) クエリの両方を受け取ることができます。 ユーザーは、「先週のログインの合計数は何でしたか」のような質問をすることができます。 結果だけでなく、透明性と再利用のための基になる KQL クエリも取得します。 精度を高めるために、ユーザーは少数の例 (予想される回答を含むサンプルの質問) を提供できます。 システムは反復クエリをサポートし、ユーザーは質問を調整したり、より正確な出力のためにメモを更新したりすることができ、データ分析のアクセシビリティを高めながら、高度なユーザーがより細かく制御できるようになります。
AI スキルが会話型 AI エージェントになる
リリース予定のタイムライン: 2025 年第 1 四半期
リリースの種類: パブリック プレビュー
AI スキルは会話型になり、ユーザーは自然な会話を行い、データを簡単に探索して理解できます。 この機能強化により、ユーザーはフォローアップの質問をしたり、クエリを絞り込んだり、動的な分析情報を受け取ることができます。これにより、データ探索がより直感的でインタラクティブになります。
Data Wrangler での低コードの AI を利用した操作 [パブリック プレビュー]
リリース予定のタイムライン: 2025 年第 1 四半期
リリースの種類: パブリック プレビュー
Data Wrangler の AI を利用した新しい一連の操作により、ユーザーは自然言語でコード変換を記述し、対応する Python を生成したり、カスタム Python コードを PySpark コードに変換したり、テキスト翻訳や感情分析などの SynapseML 変換を数クリックで適用したりできます。
データ サイエンス/データ エンジニア参照用の Copilot Fabric ドキュメント
リリース予定のタイムライン: 2025 年第 1 四半期
リリースの種類: パブリック プレビュー
Fabric Copilot for Data Science and データ エンジニアing の新機能をお知らせします。 これで、Copilot は Fabric ドキュメントにアクセスし、応答で参照できるようになり、ユーザーはワークフロー内で直接関連情報を提供できます。
主なハイライト:
- シームレスな統合: DS/DE の Copilot が Fabric ドキュメントと統合され、ワークスペースを離れることなくコンテキスト 支援と詳細情報が提供されるようになりました。
- 生産性の向上: Fabric ドキュメントを参照することで、DS/DE の Copilot はユーザーがすばやく回答を見つけ、検索時間を短縮し、生産性を高めるのに役立ちます。
- コンテキスト 支援: DS/DE の Copilot は、データ分析、視覚化、エンジニアリング タスクをサポートするための正確なドキュメント参照を提供します。
Fabric Copilot for Data Science and データ エンジニアing の新機能により、必要なときに必要な情報をユーザーに提供できます。
Machine Learning モデルのリアルタイム エンドポイント [パブリック プレビュー]
推定リリース タイムライン: 2025 年第 2 四半期
リリースの種類: パブリック プレビュー
FABRIC では、PREDICT を使用したバッチ スコアリングの既存の機能と共に、データ サイエンティストは、自動的に構成されるセキュリティで保護されたスケーラブルなオンライン エンドポイントを使用して、登録されている ML モデルからのリアルタイム予測を提供できます。 これらのエンドポイントは、他の Fabric エンジンまたは外部アプリから呼び出すことができます。これにより、ユーザーは幅広く信頼性の高い使用のためにモデルをデプロイできます。