Nyheter och planer för Fabric-Datavetenskap i Microsoft Fabric
Viktigt!
I lanseringsplanerna beskrivs funktioner som kanske eller kanske inte har släppts ännu. Leveranstidslinjen och den planerade funktionen kan ändras eller kanske inte skickas. Mer information finns i Microsoft-principen.
Infrastrukturresurser Datavetenskap ger dataforskare ett arbetsflöde från slutpunkt till slutpunkt för att skapa sina maskininlärningsmodeller, från utforskning till modellbedömning. Ur ett datautforskningsperspektiv kan dataexperter använda R och Python i notebook-filer och inbyggda verktyg som Data Wrangler för enkel analys. Användare kan spåra och jämföra sina modellexperiment och körningar med MLFlow. De kan spara den bäst presterande modellen på arbetsytan som ett nytt modellobjekt och enkelt använda Predict för batchbedömning i stor skala. Data science i Fabric är djupt integrerat med resten av stacken, vilket innebär att det är sömlöst att poängsätta data i ett sjöhus, skriva tillbaka förutsägelserna till OneLake och visualisera data i rapporter med Direct Lake-läge.
Investeringsområden
AI Functions för LLM-driven textberikning och transformering [offentlig förhandsversion]
Uppskattad tidslinje för lansering: Q4 2024
Versionstyp: Offentlig förhandsversion
MED AI-funktioner i Infrastruktur kan notebook-användare sömlöst utföra uppgifter som textsammanfattning, översättning, klassificering, attitydanalys, grammatikkorrigering med mera, vilket ger ett förenklat API för vanliga berikanden och gör det enklare för användare att använda dem med färre kodrader. Funktionerna kommer inledningsvis att vara tillgängliga ovanpå Pandas DataFrames och slutligen tillgängliga via Spark, SQL och andra programmeringsytor i Fabric.
AutoML med låg kod
Uppskattad tidslinje för lansering: Q4 2024
Versionstyp: Offentlig förhandsversion
Vårt AutoML-verktyg med låg kod gör det möjligt för dataforskare och analytiker att enkelt skapa maskininlärningsmodeller utan att behöva omfattande kodning. Med en intuitiv stegvis guide kan användarna konfigurera och starta AutoML-utvärderingsversioner direkt från användargränssnittet.
AI-kompetensintegrering med Azure AI Foundry
Uppskattad tidslinje för lansering: Q1 2025
Versionstyp: Offentlig förhandsversion
Med kunskapsintegrering av Infrastruktur-AI i Azure AI Foundry fungerar Fabric AI Skill som en kunskapskälla för Agent Service i Microsoft Azure AI Foundry. Detta gör det möjligt för agenten att använda Fabric som en datahubb och utnyttja de insikter som är tillgängliga i Fabric för att besvara användarfrågor korrekt och effektivt. Genom att ansluta till Fabric AI Skill kan agenten hämta datainsikter direkt från Fabric, så att konsumenterna kan interagera med och analysera sina Fabric-data sömlöst via AI-programmen i Azure AI Foundry.
Semantiska modeller som ny datakälla för AI Skill
Uppskattad tidslinje för lansering: Q1 2025
Versionstyp: Offentlig förhandsversion
Med den här funktionen kan användare köra frågor mot sina Power BI-semantiska modeller i Infrastruktur med naturligt språk och få både ett kortfattat svar och motsvarande DAX-fråga. Användare kan ställa frågor som "Vad var den totala försäljningen under de senaste 12 månaderna?" och få inte bara resultatet utan även den underliggande DAX-frågan för transparens och återanvändning. I framtiden bör användaren också kunna tillhandahålla några exempel – exempelfrågor – för att vägleda AI-kompetensen att semantisk modell är det bästa verktyget för att besvara dessa frågor. Den här metoden gör datainsikter mer tillgängliga för alla användare samtidigt som avancerade användare får större kontroll och transparens över analysen.
KQL-databas som ny datakälla i AI Skill
Uppskattad tidslinje för lansering: Q1 2025
Versionstyp: Offentlig förhandsversion
Med den här funktionen kan användare köra frågor mot sina Kusto-databaser i Infrastruktur med naturligt språk och få både ett kortfattat svar och motsvarande KQL-fråga (Kusto-frågespråk). Användare kan ställa frågor som "Vad var det totala antalet inloggningar förra veckan?" och får inte bara resultatet utan även den underliggande KQL-frågan för transparens och återanvändning. För att förbättra noggrannheten kan användarna tillhandahålla några exempel – exempelfrågor med förväntade svar. Systemet stöder iterativa frågor, vilket gör det möjligt för användare att förfina sina frågor eller uppdatera anteckningar för mer exakta utdata, vilket gör dataanalys mer tillgänglig samtidigt som avancerade användare får större kontroll.
AI Skill blir en konversations-AI-agent
Uppskattad tidslinje för lansering: Q1 2025
Versionstyp: Offentlig förhandsversion
AI-färdigheten är nu konversationsbaserad, vilket gör det möjligt för användare att engagera sig i en naturlig dialog fram och tillbaka för att utforska och förstå sina data med lätthet. Den här förbättringen gör det möjligt för användare att ställa uppföljningsfrågor, förfina frågor och ta emot dynamiska insikter, vilket gör datautforskning mer intuitivt och interaktivt.
AI-drivna åtgärder med låg kod i Data Wrangler [offentlig förhandsversion]
Uppskattad tidslinje för lansering: Q1 2025
Versionstyp: Offentlig förhandsversion
En ny uppsättning AI-drivna åtgärder i Data Wrangler gör det möjligt för användare att beskriva kodtransformeringar med naturligt språk och generera motsvarande Python. översätta anpassad Python-kod till PySpark-kod; och tillämpa SynapseML-transformeringar som textöversättning och attitydanalys i en fråga om klick.
Copilot för Datavetenskap/Dataingenjör ing refererar till dokumentation om infrastrukturresurser
Uppskattad tidslinje för lansering: Q1 2025
Versionstyp: Offentlig förhandsversion
Vi är glada över att kunna presentera en ny funktion i Fabric Copilot för Datavetenskap och Dataingenjör ing. Copilot kan nu komma åt Fabric-dokumentationen och referera till den i sina svar, vilket ger användarna relevant information direkt i arbetsflödet.
Viktiga markeringar:
- Sömlös integrering: Copilot i DS/DE integreras nu med Fabric-dokumentationen och erbjuder sammanhangsberoende hjälp och detaljerad information utan att lämna arbetsytan.
- Förbättrad produktivitet: Genom att referera till Fabric-dokumentationen hjälper Copilot i DS/DE användarna att snabbt hitta svar, vilket minskar söktiden och ökar produktiviteten.
- Sammanhangsberoende hjälp: Copilot i DS/DE tillhandahåller exakta dokumentationsreferenser för dataanalys, visualisering och tekniska uppgifter.
Den nya funktionen i Fabric Copilot för Datavetenskap och Dataingenjör ger användarna den information de behöver, precis när de behöver den.
Realtidsslutpunkter för Machine Learning-modeller [offentlig förhandsversion]
Uppskattad tidslinje för lansering: Q2 2025
Versionstyp: Offentlig förhandsversion
Förutom de befintliga funktionerna för batchbedömning med PREDICT gör Fabric det möjligt för dataexperter att hantera förutsägelser i realtid från alla registrerade ML-modeller med hjälp av säkra, skalbara onlineslutpunkter som konfigureras automatiskt. Dessa slutpunkter kan anropas från andra Fabric-motorer eller från externa appar, vilket gör det möjligt för användare att distribuera sina modeller för bred och tillförlitlig förbrukning.