Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Usa le Funzioni di IA quando vuoi il modo più rapido per applicare Azure OpenAI a set di dati tabulari di grandi dimensioni in Fabric. Le funzioni di intelligenza artificiale sono ottimizzate per la scalabilità, con una concorrenza predefinita di 200 e impostazioni di concorrenza configurabili, in modo da poter elaborare le righe in parallelo per una velocità effettiva maggiore.
Un altro vantaggio chiave è rappresentato da trasformazioni predefinite basate su LLM esposte come metodi dataframe, tra cui analisi del sentiment, classificazione, estrazione, riepilogo, traduzione, incorporamenti, assegnazione di punteggi di somiglianza e generazione di risposta personalizzata. L'estrazione supporta l'output basato su schema tramite ExtractLabel, in cui è possibile fornire uno schema JSON per applicare la struttura (campi con tipo specificato, enumerazioni, matrici, campi annullabili, proprietà obbligatorie ed escludendo proprietà aggiuntive) in modo che l'output LLM sia conforme a un contratto rigoroso. È anche possibile creare schemi come modelli Pydantic e convertirli in schema JSON prima di usarli con ai.extract. È possibile usare queste funzioni in pandas e PySpark con codice minimo, mentre Fabric gestisce le attività principali, ad esempio l'autenticazione e l'orchestrazione delle richieste.
Annotazioni
I percorsi di importazione variano in base al motore: usare synapse.ml.aifunc per i dataframe pandas e synapse.ml.spark.aifunc per PySpark. Le funzioni di intelligenza artificiale PySpark vengono distribuite nel cluster Spark di Fabric per l'esecuzione parallela, mentre l'esecuzione pandas viene eseguita in un singolo nodo. Scegliere PySpark quando è necessario elaborare set di dati su larga scala.
Per i passaggi di installazione, le funzioni supportate, le opzioni del modello e del provider e gli esempi end-to-end, vedere Transform e arricchire i dati con Funzioni di intelligenza artificiale, che è il riferimento principale alle funzioni di intelligenza artificiale in Fabric. Se è necessario un controllo API di basso livello o un'orchestrazione personalizzata oltre le funzioni di intelligenza artificiale predefinite, usare Use Azure OpenAI con Python SDK o Use Azure OpenAI con SynapseML.
Contenuti correlati
Documentazione di Fabric
- Trasformazione e arricchimento dei dati con funzioni di IA per la configurazione, le funzioni supportate e gli esempi completi
- Usare Azure OpenAI con Python SDK per un controllo granulare sulle singole chiamate API
- Usare Azure OpenAI con SynapseML per l'elaborazione distribuita con i dataframe Spark
- Usare Azure OpenAI con l'API REST per le chiamate API REST dirette all'endpoint LLM