演示：使用Fabric的零售智能-概述
探索Microsoft Fabric的功能和人工智能就绪性。
哥斯达黎加
](https://github.com/) Cloud2BR开放源码软件-学习中心
最后更新时间：2025-10-09
______________________________________________________________________
\[！提示\] 点击阅读更多 面料路线图
How we move from basic coding all the way to AI agents?flowchart LR
A[Scripting: Line-by-line instructions] --> B[Machine Learning: Packages + statistical foundations]
B --> C[LLMs: Reasoning, understanding, human-like responses]
C --> D[Agents: LLMs with ability to act]
%% Styling
classDef step fill:#4a90e2,stroke:#333,stroke-width:2px,color:#fff,font-weight:bold;
class A,B,C,D step;
%% Extra notes
A:::step
B:::step
C:::step
D:::stepMore details about it here (Click to expand)
- 我们都start with scripting无论语言如何，这都是第一步。Simple/complex instructions, written line by line，完成某事 - 然后来了machine learning在这个阶段，我们不是在重新发明数学，而是在leveraging powerful packages built on deep statistical and mathematical foundations.这些工具让我们automate smarter processes, like reviewing claims with predictive analytics. You’re not just coding anymore; you’re building systems that learn and adapt.-LLMs这就是大多数人说的意思AI.思考yourself as the architect, and the LLM as your strategic engine. You can plug into it via an API, a key, or through integrated services. It’s not just about automation, it’s about reasoning, understanding, and generating human-like responses.- 最后，agents这些是LLMsability to act他们不只是回应，they take initiative. They can create code, trigger workflows, make decisions, interact with tools, with other agents. It’s where intelligence meets execution
\[！重要\] 有关更详细的官方培训，请访问 微软官方培训网站
List of references (Click to expand)
- Zava DIY数据集加MCP -github仓库
Table of Content (Click to expand)
织物之前
例如，Microsoft Fabric之前的解决方案：
现在从一个地方：
Workloads overview (Click to expand)
| 组件 | 目的 | 关键特征 | 为什么织物与每种资源都是单独的 |
|---|---|---|---|
| 数据工厂 | 基于云的数据集成服务 | 编排和自动化数据移动和转换。支持ETL流程。 | 增强集成：Fabric将数据工厂与其他组件集成在一起，减少了数据孤岛，提高了工作流程效率。 |
| Synapse数据工程 | 大数据处理 | 利用Apache Spark进行大规模数据准备和转换。与各种数据源集成。 | 统一平台：Fabric提供了一个有凝聚力的环境，数据工程与分析和其他服务无缝连接，简化了数据处理并降低了复杂性。 |
| Synapse数据仓库 | 可扩展的分析服务 | 结合大数据和数据仓库。提供基于SQL的高性能分析。 | 全面见解：Fabric的集成允许进行统一分析，提供跨不同服务的数据的整体视图，提高决策和运营效率。 |
| Synapse实时分析 | 实时数据分析 | 处理流数据以获得即时洞察。支持实时仪表板和警报。 | 无缝数据流：Fabric可确保持续的数据流和实时分析集成，增强响应能力并实现主动决策。 |
| Power BI | 业务分析工具 | 交互式可视化、自助BI功能。允许用户轻松创建报告和仪表板。 | 增强的连接性：Fabric通过提供更好的数据连接和与其他组件的集成来增强Power BI的功能，从而获得更丰富的见解和更全面的报告。 |
| 数据激活器 | 基于数据条件触发操作 | 自动响应特定数据事件。增强数据驱动的决策。 | 综合自动化：Fabric利用全面的数据洞察实现更有效的自动化和动作触发，提高运营效率和响应能力。 |
| Synapse数据科学 | 机器学习和数据科学 | 用于构建、训练和部署机器学习模型的工具。与Synapse生态系统集成，实现可扩展的数据科学工作流程。 | 统一工作流程：Fabric将数据科学工作流程与其他Synapse服务集成在一起，增强了协作、可扩展性以及从数据中获取可操作见解的能力。 |
如何设置
总体而言，您可以使用以下方法之一设置基础设施：
- 通过Azure门户构建基础架构 (
Click Ops)：这种方法涉及创建基础设施和执行all necessary steps through the Azure Portal以及它的资源接口。 - 通过Terraform构建基础设施 (
IaC，如二头肌或手臂模板）：这种方法侧重于setting up the required infrastructure via Terraform。它不仅允许对解决方案代码、连接和设置进行源代码控制but also the infrastructure itself.
先决条件
- 一
Azure subscription is required。本次研讨会提供了所有其他资源，包括创建资源组的说明。 Contributor role assigned or any custom role that allows：管理所有资源的访问权限，以及在订阅中部署资源的能力。- 如果您选择使用Terraform方法，请确保：
- Terraform已安装在您的本地计算机上. - 安装Azure CLI 同时使用Terraform和Azure命令。
从哪里开始？
这是一个关于Microsoft Fabric的入门研讨会。请按照以下说明进行操作。
- 如果你选择 通过Azure门户构建基础架构:
1. 经过某过程 每个部分 from the start.
- 如果你选择 通过Terraform构建基础设施 方法：
1. 请遵循 地形指南 为研讨会部署必要的Azure资源。 1. 然后，按照每个 每个部分 但是 skip the creation of each resource.
内容
- 奖章建筑探索结构化的数据管理方法。
- 人工智能 + LLM：了解人工智能和大型语言模型如何与Fabric集成。
- 例子 如何将Azure OpenAI与Fabric集成：调用已部署的模型并请求信息。 - LangChain变压器的基本用法：创建提示模板，设置LLMChain，并配置转换器以执行处理链。 - 例子 使用LangChain进行大规模文献综述：这个例子是关于从arXiv论文中链接的PDF中提取内容，并生成提取特定信息的提示。 - 机器学习与Microsoft Fabric的集成：演示如何使用Microsoft Fabric与MLflow框架的原生集成来训练和注册机器学习模型。这包括记录训练过的模型、超参数和评估指标。它还展示了如何使用MLflow比较和过滤机器学习模型，并使用RandomForestRegressor进行了示例。
- 数据代理：了解如何在平台内使用人工智能技能。
DevOps：了解持续集成和持续部署，包括 部署管道 和 .
Refresh Date: 2025-10-09