Funciones de IA en Azure Databricks
Importante
Esta característica está en versión preliminar pública.
En este artículo, se describen Funciones de IA en Azure Databricks, funciones SQL integradas que permiten aplicar la inteligencia artificial en los datos directamente desde SQL.
SQL es fundamental para el análisis de datos debido a su versatilidad, eficiencia y uso generalizado. Su simplicidad permite una recuperación, manipulación y administración rápidas de grandes conjuntos de datos. La incorporación de funciones de inteligencia artificial en SQL para el análisis de datos mejora la eficacia, lo que permite a las empresas extraer conclusiones rápidamente.
La integración de la inteligencia artificial en flujos de trabajo de análisis proporciona acceso a información que antes era inaccesible para los analistas y les permite tomar decisiones más fundamentadas, administrar los riesgos y mantener una ventaja competitiva mediante la innovación y eficiencia controladas por datos.
Funciones de inteligencia artificial mediante las API de modelo de Databricks Foundation
Nota:
Para Databricks Runtime 15.0 y versiones posteriores, estas funciones se admiten en entornos de cuadernos, incluidos cuadernos y flujos de trabajo de Databricks.
Estas funciones invocan un modelo de inteligencia artificial generativa de última generación de las API de modelo de Databricks Foundation para realizar tareas como análisis de sentimiento, clasificación y traducción. Vea Análisis de reseñas de clientes mediante funciones de IA.
- ai_analyze_sentiment
- ai_classify
- ai_extract
- ai_fix_grammar
- ai_gen
- ai_mask
- ai_similarity
- ai_summarize
- ai_translate
ai_query
Nota:
- Para Databricks Runtime 14.2 y versiones posteriores, esta función se admite en entornos de cuadernos, incluidos cuadernos y flujos de trabajo de Databricks.
- Para Databricks Runtime 14.1 y versiones posteriores, esta función no se admite en entornos de cuadernos, incluidos los cuadernos de Databricks.
La función ai_query() le permite servir los modelos de machine Learning y los modelos de lenguaje grande mediante Servicio de modelos de Databricks y consultarlos mediante SQL. Para hacerlo, esta función invoca un punto de conexión existente del servicio de modelos de Databricks, y analiza y devuelve su respuesta. Puede usar ai_query() para consultar puntos de conexión que atienden modelos personalizados, modelos básicos disponibles mediante las API de Foundation Model y modelos externos.