Databricks lance des fonctions SQL d'IA avec des modèles de fondation
20 mai 2025
ThomasScott
0
Databricks bouleverse l'univers de l'analyse de données avec ses fonctions SQL alimentées par l'IA, basées sur des modèles de fondation. Ces outils s'intègrent sans heurt à vos flux de travail existants, facilitant plus que jamais l'analyse alimentée par l'IA directement au sein de vos requêtes SQL. Cela signifie que vous pouvez dire adieu aux tracas des intégrations d'API complexes et bonjour à une approche plus rationalisée de l'analyse de données. Cet article explore comment ces nouvelles fonctionnalités pourraient changer la manière dont vous gérez les données.
Points clés
- Databricks introduit des fonctions SQL alimentées par l'IA basées sur des modèles de fondation.
- Ces fonctions offrent des capacités telles que l'analyse des sentiments, la classification, l'extraction de texte et la correction grammaticale.
- Les modèles d'IA sont intégrés à Databricks, éliminant le besoin d'appels API externes.
- Les fonctions sont disponibles sur la base d'un paiement par jeton, offrant des solutions d'IA économiques.
- La disponibilité est limitée à certaines régions de Databricks.
- La fonction d'extraction d'IA permet une extraction d'informations polyvalente.
- La fonction de correction grammaticale d'IA améliore la qualité grammaticale du texte.
Fonctions SQL de Databricks alimentées par l'IA : Modèles de fondation en action
Comprendre les nouvelles fonctions SQL de Databricks alimentées par l'IA
Databricks a lancé une suite de fonctions SQL alimentées par l'IA qui intègrent directement l'IA dans les requêtes SQL, simplifiant le processus pour les analystes et ingénieurs de données. Ces fonctions exploitent la puissance des modèles de fondation, qui sont de grands modèles de langage entraînés sur des ensembles de données massifs. Typiquement, de tels modèles, comme ChatGPT, sont hébergés à l'extérieur et nécessitent des intégrations d'API complexes. Databricks change cela en intégrant ces modèles directement dans leur plateforme, rendant l'IA plus accessible et efficace. Au lieu que chaque entreprise construise ses propres appels de services web, Databricks propose des modèles prêts à l'emploi, économisant du temps et des ressources.
Bien que ces fonctions facilitent l'intégration de l'IA, il est important de considérer les coûts. Elles fonctionnent sur une base de paiement par jeton, donc une mise en œuvre stratégique est essentielle pour gérer efficacement les dépenses. De plus, ces fonctions ne sont pas disponibles dans toutes les régions de Databricks pour le moment, étant limitées à des régions comme le centre des États-Unis, l'est des États-Unis, l'est des États-Unis 2 et le centre-nord des États-Unis. Cela pourrait affecter votre planification de l'espace de travail et des projets.
Fonctions SQL de base alimentées par l'IA : Analyse des sentiments, classification, et plus
Databricks propose plusieurs fonctions SQL de base alimentées par l'IA qui enrichissent l'analyse de données :
Analyse des sentiments par l'IA : Déterminer le sentiment (positif, négatif ou neutre) dans le texte, idéal pour comprendre les retours clients et les tendances sur les réseaux sociaux.
Classification par l'IA : Catégoriser le texte dans des classes prédéfinies, comme trier les demandes clients par sujet ou produit.
Extraction par l'IA : Extraire des informations spécifiques, comme des noms ou des adresses e-mail, à partir de texte non structuré. Cela transforme le texte brut en données structurées, idéal pour créer des modèles détaillés.
Correction grammaticale par l'IA : Corriger la grammaire dans le texte, utile pour nettoyer le contenu généré par les utilisateurs ou assurer une communication professionnelle.
Masquage par l'IA : Protéger la confidentialité en masquant les informations sensibles dans le texte, aidant à la conformité avec les régulations de sécurité des données.
Résumé par l'IA : Créer des résumés concis de longs documents ou articles, parfait pour extraire rapidement des informations clés.
Traduction par l'IA : Traduire le texte entre les langues, élargissant vos capacités d'analyse de données à travers différentes sources.
Similitude par l'IA : Calculer des scores de similitude entre les enregistrements, permettant une analyse de données plus raffinée.
Naviguer dans les fonctions SQL de Databricks alimentées par l'IA en utilisant les API de modèles de fondation de Databricks
Le tableau suivant liste les fonctions SQL de Databricks alimentées par l'IA et les API de modèles de fondation de Databricks :
Fonction Description ai_analyze_sentiment Analyse les avis clients en utilisant les fonctions d'IA ai_classify Classifie en utilisant les fonctions d'IA ai_extract Extrait des données en utilisant les fonctions d'IA ai_fix_grammar Corrige la grammaire en utilisant les fonctions d'IA ai_gen Utilise la fonction ai gen ai_mask Utilise la fonction ai mask ai_similarity Utilise ai similarity pour calculer le noyau ai_summarize Utilise la fonction ai summarize ai_translate Utilise la fonction ai Translate ai_query La fonction AI_query() vous permet de servir vos modèles d'apprentissage automatique et vos grands modèles de langage en utilisant Databricks Model Serving et de les interroger en utilisant SQL
Applications pratiques : Cas d'utilisation réels
Ces fonctions SQL alimentées par l'IA ouvrent une gamme d'applications pratiques :
Analyser les avis clients : Évaluer automatiquement le sentiment dans les avis clients pour identifier les domaines à améliorer et évaluer la satisfaction des clients.
Automatiser les contrôles de qualité des données : Utiliser la correction grammaticale par l'IA pour nettoyer les données avant l'analyse, incluant la résumé par l'IA pour l'efficacité.
Rationaliser le traitement des documents : Extraire des informations clés de documents légaux, de contrats ou de documents de recherche, en peuplant d'autres ensembles de données avec des données extraites comme des noms et des adresses.
En permettant aux fonctions d'IA de s'exécuter directement en SQL, les flux de travail de données deviennent significativement plus rationalisés.
Tester les fonctions SQL alimentées par l'IA : Une démo dans Databricks
Databricks propose une démonstration convaincante de ces fonctions en action :
- Analyse des sentiments : Avec une simple requête SQL, vous pouvez analyser le sentiment du texte :
SELECT ai_analyze_sentiment('Je suis un garçon heureux et pétillant');- Nettoyage des données : Interroger différents points de données pour analyser les avis clients et effectuer divers contrôles, rendant le nettoyage des données plus efficace. - En utilisant une expression de table commune (CTE) pour stocker les données, vous pouvez analyser les sentiments de différents utilisateurs et effectuer diverses analyses.
- Passer à la correction grammaticale par l'IA peut aider à corriger les problèmes grammaticaux courants.
Disponibilité et prérequis pour utiliser les modèles de fondation
Pour utiliser efficacement les modèles de fondation, certains prérequis doivent être remplis :
- Les fonctions d'IA sont uniquement disponibles sur les espaces de travail dans les régions prises en charge par les API de modèles de fondation payées par jeton.
- Cette fonction n'est pas disponible sur Azure Databricks SQL Classic.
Conseils pour maximiser le potentiel des fonctions SQL de Databricks alimentées par l'IA
Intégration stratégique
Planifiez soigneusement comment intégrer ces fonctions d'IA dans vos pipelines de données. Identifiez où les insights de l'IA peuvent ajouter le plus de valeur et automatiser les tâches répétitives. Utilisez ces fonctions là où elles apporteront le plus de bénéfices.
Optimisation des coûts
Gardez un œil sur votre consommation de jetons pour optimiser les coûts. Évaluez les dépenses actuelles et explorez d'autres options d'IA pour améliorer la fonctionnalité tout en évaluant le compromis entre les insights alimentés par l'IA et les coûts.
Restez informé
Databricks améliore continuellement ses capacités d'IA. Restez informé des nouvelles fonctions, de la disponibilité des régions et des changements de tarification pour tirer pleinement parti de cette technologie transformative. Continuez à apprendre et à expérimenter pour améliorer vos flux de travail.
Avantages et inconvénients des fonctions SQL de Databricks alimentées par l'IA
Avantages
- Intégration simplifiée de l'IA dans les flux de travail SQL
- Accès à des modèles de fondation puissants
- Réduction de la complexité par rapport aux intégrations d'API externes
- Potentiel pour des solutions d'IA économiques (paiement par jeton)
- Contrôles de qualité des données automatisés
Inconvénients
- Gestion des coûts (utilisation payée par jeton)
- Disponibilité limitée des régions
- Dépendance à la plateforme de Databricks
- Risque de verrouillage par le fournisseur
- Exigences spécifiques en termes d'espace de travail et de configuration
Questions fréquemment posées
Quelles sont les fonctions SQL de Databricks alimentées par l'IA ?
Les fonctions SQL de Databricks alimentées par l'IA sont un ensemble d'outils qui vous permettent d'exploiter des modèles d'IA directement au sein de vos requêtes SQL. Ces fonctions sont alimentées par des modèles de fondation et offrent des capacités comme l'analyse des sentiments, la classification de texte, et plus encore.
Quels types de fonctions sont l'extraction par l'IA et la correction grammaticale par l'IA ?
La fonction d'extraction par l'IA permet l'extraction de termes et l'analyse de documents pour extraire des informations spécifiques comme des e-mails ou des noms. La fonction de correction grammaticale par l'IA corrige les erreurs grammaticales dans le texte.
Comment fonctionne la tarification pour ces fonctions d'IA ?
La tarification est basée sur un modèle de paiement par jeton. L'utilisation des jetons dépend de la complexité de la requête et de la taille du texte d'entrée. Pour des informations détaillées sur les tarifs, consultez la documentation de Databricks.
Dans quelles régions les fonctions SQL de Databricks alimentées par l'IA sont-elles disponibles ?
Actuellement, ces fonctions sont disponibles dans des régions spécifiques incluant le centre des États-Unis, l'est des États-Unis, l'est des États-Unis 2 et le centre-nord des États-Unis. Vérifiez toujours la documentation la plus récente de Databricks pour connaître le support régional le plus à jour.
Questions connexes
Quelles sont les alternatives pour effectuer une analyse des sentiments dans Databricks ?
Avant les fonctions SQL de Databricks, les entreprises avaient quelques options. L'une était de construire un modèle de zéro en utilisant leurs données pour créer un moteur de classification personnalisé. Une autre était d'utiliser des appels de services web, ce qui nécessitait de configurer un abonnement séparé, potentiellement exposant l'organisation à des fuites de données ou à d'autres préoccupations.
Article connexe
Chaussures Livie & Luca : Excellence du service client
Aujourd'hui, nous plongeons dans l'univers des chaussures Livie & Luca, vu à travers les yeux de Wendy, leur Extraordinaire du Service Client. Nous allons explorer leur mission
Expérience d'IA de Google : Podcast quotidien personnalisé
Les nouveaux podcasts quotidiens alimentés par l'IA de Google : votre expérience audio personnaliséeImaginez commencer votre journée avec un podcast sur mesure, axé sur les sujets
OpenAI corrige un bug permettant aux mineurs de participer à des conversations érotiques
OpenAI's ChatGPT exposé à un contenu inapproprié pour les mineursDes tests récents menés par TechCrunch ont révélé une faille inquiétante dans ChatGPT d'OpenAI : le chatbot générai
commentaires (0)
0/200
20 mai 2025
ThomasScott
0
Databricks bouleverse l'univers de l'analyse de données avec ses fonctions SQL alimentées par l'IA, basées sur des modèles de fondation. Ces outils s'intègrent sans heurt à vos flux de travail existants, facilitant plus que jamais l'analyse alimentée par l'IA directement au sein de vos requêtes SQL. Cela signifie que vous pouvez dire adieu aux tracas des intégrations d'API complexes et bonjour à une approche plus rationalisée de l'analyse de données. Cet article explore comment ces nouvelles fonctionnalités pourraient changer la manière dont vous gérez les données.
Points clés
- Databricks introduit des fonctions SQL alimentées par l'IA basées sur des modèles de fondation.
- Ces fonctions offrent des capacités telles que l'analyse des sentiments, la classification, l'extraction de texte et la correction grammaticale.
- Les modèles d'IA sont intégrés à Databricks, éliminant le besoin d'appels API externes.
- Les fonctions sont disponibles sur la base d'un paiement par jeton, offrant des solutions d'IA économiques.
- La disponibilité est limitée à certaines régions de Databricks.
- La fonction d'extraction d'IA permet une extraction d'informations polyvalente.
- La fonction de correction grammaticale d'IA améliore la qualité grammaticale du texte.
Fonctions SQL de Databricks alimentées par l'IA : Modèles de fondation en action
Comprendre les nouvelles fonctions SQL de Databricks alimentées par l'IA
Databricks a lancé une suite de fonctions SQL alimentées par l'IA qui intègrent directement l'IA dans les requêtes SQL, simplifiant le processus pour les analystes et ingénieurs de données. Ces fonctions exploitent la puissance des modèles de fondation, qui sont de grands modèles de langage entraînés sur des ensembles de données massifs. Typiquement, de tels modèles, comme ChatGPT, sont hébergés à l'extérieur et nécessitent des intégrations d'API complexes. Databricks change cela en intégrant ces modèles directement dans leur plateforme, rendant l'IA plus accessible et efficace. Au lieu que chaque entreprise construise ses propres appels de services web, Databricks propose des modèles prêts à l'emploi, économisant du temps et des ressources.
Bien que ces fonctions facilitent l'intégration de l'IA, il est important de considérer les coûts. Elles fonctionnent sur une base de paiement par jeton, donc une mise en œuvre stratégique est essentielle pour gérer efficacement les dépenses. De plus, ces fonctions ne sont pas disponibles dans toutes les régions de Databricks pour le moment, étant limitées à des régions comme le centre des États-Unis, l'est des États-Unis, l'est des États-Unis 2 et le centre-nord des États-Unis. Cela pourrait affecter votre planification de l'espace de travail et des projets.
Fonctions SQL de base alimentées par l'IA : Analyse des sentiments, classification, et plus
Databricks propose plusieurs fonctions SQL de base alimentées par l'IA qui enrichissent l'analyse de données :
Analyse des sentiments par l'IA : Déterminer le sentiment (positif, négatif ou neutre) dans le texte, idéal pour comprendre les retours clients et les tendances sur les réseaux sociaux.
Classification par l'IA : Catégoriser le texte dans des classes prédéfinies, comme trier les demandes clients par sujet ou produit.
Extraction par l'IA : Extraire des informations spécifiques, comme des noms ou des adresses e-mail, à partir de texte non structuré. Cela transforme le texte brut en données structurées, idéal pour créer des modèles détaillés.
Correction grammaticale par l'IA : Corriger la grammaire dans le texte, utile pour nettoyer le contenu généré par les utilisateurs ou assurer une communication professionnelle.
Masquage par l'IA : Protéger la confidentialité en masquant les informations sensibles dans le texte, aidant à la conformité avec les régulations de sécurité des données.
Résumé par l'IA : Créer des résumés concis de longs documents ou articles, parfait pour extraire rapidement des informations clés.
Traduction par l'IA : Traduire le texte entre les langues, élargissant vos capacités d'analyse de données à travers différentes sources.
Similitude par l'IA : Calculer des scores de similitude entre les enregistrements, permettant une analyse de données plus raffinée.
Naviguer dans les fonctions SQL de Databricks alimentées par l'IA en utilisant les API de modèles de fondation de Databricks
Le tableau suivant liste les fonctions SQL de Databricks alimentées par l'IA et les API de modèles de fondation de Databricks :
| Fonction | Description |
|---|---|
| ai_analyze_sentiment | Analyse les avis clients en utilisant les fonctions d'IA |
| ai_classify | Classifie en utilisant les fonctions d'IA |
| ai_extract | Extrait des données en utilisant les fonctions d'IA |
| ai_fix_grammar | Corrige la grammaire en utilisant les fonctions d'IA |
| ai_gen | Utilise la fonction ai gen |
| ai_mask | Utilise la fonction ai mask |
| ai_similarity | Utilise ai similarity pour calculer le noyau |
| ai_summarize | Utilise la fonction ai summarize |
| ai_translate | Utilise la fonction ai Translate |
| ai_query | La fonction AI_query() vous permet de servir vos modèles d'apprentissage automatique et vos grands modèles de langage en utilisant Databricks Model Serving et de les interroger en utilisant SQL |
Applications pratiques : Cas d'utilisation réels
Ces fonctions SQL alimentées par l'IA ouvrent une gamme d'applications pratiques :
Analyser les avis clients : Évaluer automatiquement le sentiment dans les avis clients pour identifier les domaines à améliorer et évaluer la satisfaction des clients.
Automatiser les contrôles de qualité des données : Utiliser la correction grammaticale par l'IA pour nettoyer les données avant l'analyse, incluant la résumé par l'IA pour l'efficacité.
Rationaliser le traitement des documents : Extraire des informations clés de documents légaux, de contrats ou de documents de recherche, en peuplant d'autres ensembles de données avec des données extraites comme des noms et des adresses.
En permettant aux fonctions d'IA de s'exécuter directement en SQL, les flux de travail de données deviennent significativement plus rationalisés.
Tester les fonctions SQL alimentées par l'IA : Une démo dans Databricks
Databricks propose une démonstration convaincante de ces fonctions en action :
- Analyse des sentiments : Avec une simple requête SQL, vous pouvez analyser le sentiment du texte :
SELECT ai_analyze_sentiment('Je suis un garçon heureux et pétillant');- Nettoyage des données : Interroger différents points de données pour analyser les avis clients et effectuer divers contrôles, rendant le nettoyage des données plus efficace. - En utilisant une expression de table commune (CTE) pour stocker les données, vous pouvez analyser les sentiments de différents utilisateurs et effectuer diverses analyses.
- Passer à la correction grammaticale par l'IA peut aider à corriger les problèmes grammaticaux courants.
Disponibilité et prérequis pour utiliser les modèles de fondation
Pour utiliser efficacement les modèles de fondation, certains prérequis doivent être remplis :
- Les fonctions d'IA sont uniquement disponibles sur les espaces de travail dans les régions prises en charge par les API de modèles de fondation payées par jeton.
- Cette fonction n'est pas disponible sur Azure Databricks SQL Classic.
Conseils pour maximiser le potentiel des fonctions SQL de Databricks alimentées par l'IA
Intégration stratégique
Planifiez soigneusement comment intégrer ces fonctions d'IA dans vos pipelines de données. Identifiez où les insights de l'IA peuvent ajouter le plus de valeur et automatiser les tâches répétitives. Utilisez ces fonctions là où elles apporteront le plus de bénéfices.
Optimisation des coûts
Gardez un œil sur votre consommation de jetons pour optimiser les coûts. Évaluez les dépenses actuelles et explorez d'autres options d'IA pour améliorer la fonctionnalité tout en évaluant le compromis entre les insights alimentés par l'IA et les coûts.
Restez informé
Databricks améliore continuellement ses capacités d'IA. Restez informé des nouvelles fonctions, de la disponibilité des régions et des changements de tarification pour tirer pleinement parti de cette technologie transformative. Continuez à apprendre et à expérimenter pour améliorer vos flux de travail.
Avantages et inconvénients des fonctions SQL de Databricks alimentées par l'IA
Avantages
- Intégration simplifiée de l'IA dans les flux de travail SQL
- Accès à des modèles de fondation puissants
- Réduction de la complexité par rapport aux intégrations d'API externes
- Potentiel pour des solutions d'IA économiques (paiement par jeton)
- Contrôles de qualité des données automatisés
Inconvénients
- Gestion des coûts (utilisation payée par jeton)
- Disponibilité limitée des régions
- Dépendance à la plateforme de Databricks
- Risque de verrouillage par le fournisseur
- Exigences spécifiques en termes d'espace de travail et de configuration
Questions fréquemment posées
Quelles sont les fonctions SQL de Databricks alimentées par l'IA ?
Les fonctions SQL de Databricks alimentées par l'IA sont un ensemble d'outils qui vous permettent d'exploiter des modèles d'IA directement au sein de vos requêtes SQL. Ces fonctions sont alimentées par des modèles de fondation et offrent des capacités comme l'analyse des sentiments, la classification de texte, et plus encore.
Quels types de fonctions sont l'extraction par l'IA et la correction grammaticale par l'IA ?
La fonction d'extraction par l'IA permet l'extraction de termes et l'analyse de documents pour extraire des informations spécifiques comme des e-mails ou des noms. La fonction de correction grammaticale par l'IA corrige les erreurs grammaticales dans le texte.
Comment fonctionne la tarification pour ces fonctions d'IA ?
La tarification est basée sur un modèle de paiement par jeton. L'utilisation des jetons dépend de la complexité de la requête et de la taille du texte d'entrée. Pour des informations détaillées sur les tarifs, consultez la documentation de Databricks.
Dans quelles régions les fonctions SQL de Databricks alimentées par l'IA sont-elles disponibles ?
Actuellement, ces fonctions sont disponibles dans des régions spécifiques incluant le centre des États-Unis, l'est des États-Unis, l'est des États-Unis 2 et le centre-nord des États-Unis. Vérifiez toujours la documentation la plus récente de Databricks pour connaître le support régional le plus à jour.
Questions connexes
Quelles sont les alternatives pour effectuer une analyse des sentiments dans Databricks ?
Avant les fonctions SQL de Databricks, les entreprises avaient quelques options. L'une était de construire un modèle de zéro en utilisant leurs données pour créer un moteur de classification personnalisé. Une autre était d'utiliser des appels de services web, ce qui nécessitait de configurer un abonnement séparé, potentiellement exposant l'organisation à des fuites de données ou à d'autres préoccupations.
Chaussures Livie & Luca : Excellence du service client
Aujourd'hui, nous plongeons dans l'univers des chaussures Livie & Luca, vu à travers les yeux de Wendy, leur Extraordinaire du Service Client. Nous allons explorer leur mission
Expérience d'IA de Google : Podcast quotidien personnalisé
Les nouveaux podcasts quotidiens alimentés par l'IA de Google : votre expérience audio personnaliséeImaginez commencer votre journée avec un podcast sur mesure, axé sur les sujets
OpenAI corrige un bug permettant aux mineurs de participer à des conversations érotiques
OpenAI's ChatGPT exposé à un contenu inapproprié pour les mineursDes tests récents menés par TechCrunch ont révélé une faille inquiétante dans ChatGPT d'OpenAI : le chatbot générai
