Novidades e planos para a Ciência de Dados do Fabric no Microsoft Fabric
Importante
Os planos de lançamento descrevem a funcionalidade que pode ou não ter sido lançada ainda. Os prazos de entrega e a funcionalidade projetada podem mudar ou não podem ser enviados. Consulte a política da Microsoft para obter mais informações.
O Fabric Data Science fornece aos cientistas de dados um fluxo de trabalho de ponta a ponta para criar seus modelos de aprendizado de máquina, desde a exploração até a pontuação do modelo. Do ponto de vista da exploração de dados, os cientistas de dados podem usar R e Python em notebooks e ferramentas integradas como o Data Wrangler para facilitar a análise. Os usuários podem rastrear e comparar seus experimentos e execuções de modelo com o MLFlow. Eles podem salvar o modelo de melhor desempenho no workspace como um novo item de modelo e usar facilmente o Predict para pontuação em lote em escala. A ciência de dados no Fabric está profundamente integrada ao restante da pilha, o que significa que é fácil pontuar dados em um lakehouse, gravar as previsões no OneLake e visualizar os dados em relatórios usando o modo Direct Lake.
Regiões de investimento
| Recurso | Linha do tempo de versão estimada |
|---|---|
| Funções de IA para enriquecimento e transformação de texto com tecnologia LLM [Visualização pública] | T4 2024 |
| AutoML de baixo código | T4 2024 |
| Integração de habilidades de IA com o Azure AI Foundry | 1º trimestre de 2025 |
| Modelos semânticos como nova fonte de dados para a habilidade de IA | 1º trimestre de 2025 |
| Banco de dados KQL como nova fonte de dados no AI Skill | 1º trimestre de 2025 |
| AI Skill se torna um agente de IA conversacional | 1º trimestre de 2025 |
| Operações low-code alimentadas por IA no Data Wrangler [Visualização pública] | 1º trimestre de 2025 |
| Referências do Copilot para ciência de dados/engenharia de dados Fabric Documentation | 1º trimestre de 2025 |
| Pontos de extremidade em tempo real para modelos de aprendizado de máquina [versão prévia pública] | 2º trimestre de 2025 |
Funções de IA para enriquecimento e transformação de texto com tecnologia LLM [Visualização pública]
Cronograma estimado de lançamento: 4º trimestre de 2024
Tipo de Versão: Visualização Pública
As funções de IA no Fabric permitirão que os usuários de notebooks executem tarefas como resumo de texto, tradução, classificação, análise de sentimento, correção gramatical e muito mais, fornecendo uma API simplificada para enriquecimentos comuns e tornando mais fácil para os usuários aplicá-los com menos linhas de código. As funções estarão inicialmente disponíveis sobre os DataFrames do pandas e, finalmente, disponíveis via Spark, SQL e outras superfícies de programação no Fabric.
AutoML de baixo código
Cronograma estimado de lançamento: 4º trimestre de 2024
Tipo de Versão: Visualização Pública
Nossa ferramenta AutoML Low-Code capacita cientistas e analistas de dados a criar facilmente modelos de aprendizado de máquina sem a necessidade de codificação extensa. Por meio de um assistente intuitivo e passo a passo, os usuários podem configurar e iniciar avaliações do AutoML diretamente da interface do usuário.
Integração de habilidades de IA com o Azure AI Foundry
Cronograma estimado de lançamento: 1º trimestre de 2025
Tipo de Versão: Visualização Pública
Com a integração da habilidade de IA do Fabric no Azure AI Foundry, a habilidade de IA do Fabric servirá como uma fonte de conhecimento para o Serviço de Agente no Microsoft Azure AI Foundry. Isso permite que o agente use o Fabric como um hub de dados, aproveitando os insights disponíveis no Fabric para responder às consultas do usuário com precisão e eficiência. Ao se conectar ao Fabric AI Skill, o agente pode recuperar insights de dados diretamente do Fabric, permitindo que os consumidores interajam e analisem seus dados do Fabric diretamente por meio dos aplicativos de IA no Azure AI Foundry.
Modelos semânticos como nova fonte de dados para a habilidade de IA
Cronograma estimado de lançamento: 1º trimestre de 2025
Tipo de Versão: Visualização Pública
Esse recurso permite que os usuários consultem seus modelos semânticos do Power BI no Fabric usando linguagem natural, recebendo uma resposta concisa e a consulta DAX correspondente. Os usuários podem fazer perguntas como "Qual foi o total de vendas nos últimos 12 meses?" e obter não apenas o resultado, mas também a consulta DAX subjacente para transparência e reutilização. No futuro, o usuário também deve ser capaz de fornecer exemplos de poucos tiros - exemplos de perguntas - para orientar a habilidade de IA de que o modelo semântico é a melhor ferramenta para responder a essas perguntas. Essa abordagem torna os insights de dados mais acessíveis a todos os usuários, ao mesmo tempo em que fornece aos usuários avançados maior controle e transparência sobre a análise.
Banco de dados KQL como nova fonte de dados no AI Skill
Cronograma estimado de lançamento: 1º trimestre de 2025
Tipo de Versão: Visualização Pública
Esse recurso permite que os usuários consultem seus bancos de dados Kusto no Fabric usando linguagem natural, recebendo uma resposta concisa e a consulta KQL (Kusto Query Language) correspondente. Os usuários podem fazer perguntas como "Qual foi o número total de logins na semana passada?" e obter não apenas o resultado, mas também a consulta KQL subjacente para transparência e reutilização. Para aumentar a precisão, os usuários podem fornecer exemplos de poucos disparos - exemplos de perguntas com respostas esperadas. O sistema oferece suporte a consultas iterativas, permitindo que os usuários refinem suas perguntas ou atualizem notas para resultados mais precisos, tornando a análise de dados mais acessível e capacitando os usuários avançados com maior controle.
AI Skill se torna um agente de IA conversacional
Cronograma estimado de lançamento: 1º trimestre de 2025
Tipo de Versão: Visualização Pública
A habilidade de IA agora é conversacional, permitindo que os usuários se envolvam em diálogos naturais para explorar e entender seus dados com facilidade. Esse aprimoramento permite que os usuários façam perguntas de acompanhamento, refinem consultas e recebam insights dinâmicos, tornando a exploração de dados mais intuitiva e interativa.
Operações low-code alimentadas por IA no Data Wrangler [Visualização pública]
Cronograma estimado de lançamento: 1º trimestre de 2025
Tipo de Versão: Visualização Pública
Um novo conjunto de operações baseadas em IA no Data Wrangler permitirá que os usuários descrevam transformações de código com linguagem natural e gerem o Python correspondente; traduzir código Python personalizado em código PySpark; e aplique transformações do SynapseML, como tradução de texto e análise de sentimento, em questão de cliques.
Referências do Copilot para ciência de dados/engenharia de dados Fabric Documentation
Cronograma estimado de lançamento: 1º trimestre de 2025
Tipo de Versão: Visualização Pública
Temos o prazer de anunciar um novo recurso no Fabric Copilot para ciência de dados e engenharia de dados. O Copilot agora pode acessar a documentação do Fabric e referenciá-la em suas respostas, fornecendo aos usuários informações relevantes diretamente em seu fluxo de trabalho.
Principais destaques:
- Integração perfeita: o Copilot no DS/DE agora se integra à documentação do Fabric, oferecendo assistência contextual e informações detalhadas sem sair do espaço de trabalho.
- Produtividade aprimorada: ao consultar a documentação do Fabric, o Copilot no DS/DE ajuda os usuários a encontrar respostas rapidamente, reduzindo o tempo de pesquisa e aumentando a produtividade.
- Assistência contextual: O Copilot no DS/DE fornece referências precisas de documentação para dar suporte a tarefas de análise, visualização e engenharia de dados.
O novo recurso do Fabric Copilot para ciência de dados e engenharia de dados capacita os usuários com as informações de que precisam, exatamente quando precisam.
Pontos de extremidade em tempo real para modelos de aprendizado de máquina [versão prévia pública]
Cronograma de lançamento estimado: 2º trimestre de 2025
Tipo de Versão: Visualização Pública
Juntamente com a funcionalidade existente para pontuação em lote com o PREDICT, o Fabric permitirá que os cientistas de dados forneçam previsões em tempo real de qualquer modelo de ML registrado usando endpoints on-line seguros e escaláveis que são configurados automaticamente. Esses endpoints podem ser chamados de outros mecanismos do Fabric ou de aplicativos externos, permitindo que os usuários implantem seus modelos para um consumo amplo e confiável.