Wprowadzenie do Fabric IQ

W skrócie

Fabric IQ umożliwia definiowanie słownictwa biznesowego w ontologii i wiązanie go ze źródłami danych w usłudze OneLake. W tej ścieżce szkoleniowej zaczniesz od podstaw Fabric IQ, a następnie utworzysz ontologię, tworząc typy jednostek i relacje, wizualizuj dane za pomocą interaktywnych grafów i łączysz ontologię z agentem danych, aby użytkownicy biznesowi mogli zadawać pytania w języku naturalnym.

Wymagania wstępne

Przed rozpoczęciem tej ścieżki szkoleniowej zaleca się zapoznanie się z obszarami roboczymi Microsoft Fabric i podstawowymi pojęciami dotyczącymi danych, takimi jak tabele, relacje i zapytania.

Moduły w ramach tej ścieżki szkoleniowej

Microsoft Fabric IQ jest częścią Microsoft IQ, czyli warstwy analizy przedsiębiorstwa, która podnosi poziom danych biznesowych do wspólnych koncepcji używanych przez osoby i agentów sztucznej inteligencji. Dowiedz się więcej o sześciu elementach obciążenia IQ — elementach ontologii, agentach danych, programie Graph w Microsoft Fabric, Power BI modelach semantycznych, agentach operacyjnych i planowaniu — i dowiedz się, jak modelowanie ontologii zaczyna się od koncepcji biznesowych, a nie określonych przypadków użycia.

Nalogie w Fabric IQ przekształca dane w słownictwo biznesowe, które każdy może zrozumieć. W tym module omówiono dwa sposoby tworzenia ontologii — ręczne tworzenie, aby zrozumieć podstawowe elementy, lub automatyczne generowanie na podstawie modeli semantycznych Power BI, aby przyspieszyć tworzenie. Przećwiczysz oba podejścia i nauczysz się, jak połączyć swoją ontologię ze źródłami danych usługi OneLake, w tym z tabelami lakehouse i strumieniami eventhouse.

Eksploruj wystąpienia jednostek, wizualizuj połączenia koncepcji biznesowych na wykresie relacji i filtruj wiele źródeł danych przy użyciu konstruktora zapytań w usłudze Microsoft Fabric IQ — bez konieczności pisania sprzężeń SQL.

Utwórz agenta danych Fabric, który używa ontologii IQ Microsoft Fabric jako źródła danych. Skonfiguruj instrukcje agenta, aby poprawić dokładność zapytań, przetestować pytania dotyczące języka naturalnego i opublikować agenta, aby użytkownicy biznesowi mogli uzyskiwać odpowiedzi na dane zarządzane bez konieczności pisania kodu.