KI-Funktionen: LLMs mit SQL abfragen

Diese Anleitung zeigt, wie Sie Databricks AI-Funktionen nutzen und LLMs direkt in Ihren SQL-Abfragen verwenden können. Damit können Sie unstrukturierte Daten verarbeiten, Themen identifizieren, Stimmungen analysieren, Antworten generieren und vieles mehr.

KI-Funktionen vereinfachen das Ableiten von Bedeutungen aus unstrukturierten Daten und ermöglichen es Analysten, mit LLMs über SQL zu interagieren.

In dieser Demo zeigen wir Ihnen, wie Sie Erkenntnisse aus Ihrem Text extrahieren können.

• Die Nutzung von integrierten KI-Funktionen zur Durchführung von Aufgaben wie Klassifizierung, Textgenerierung, Klassifizierung
• Erstellen Sie Ihre eigene KI-Funktion 
• Nutzen Sie verschiedene Arten von LLMs basierend auf Ihren Anforderungen: Databricks Foundation Modelle, Ihre eigenen fein abgestimmten LLMs oder externe Anbieter

Wir werden sehen, wie man Kundenbewertungen analysiert, indem man die Foundation Models von Databricks OpenAI's LLM bittet, negative Bewertungen zu erkennen und eine Antwort vorzubereiten.

Wir werden auch untersuchen, wie LLMs verwendet werden können, um gefälschte Daten zu generieren.

Um die Demo zu installieren, holen Sie sich eine kostenlose Databricks-Arbeitsumgebung und führen Sie die folgenden zwei Befehle in einem Python-Notebook aus

%pip installieren Sie dbdemos

importieren Sie dbdemos
dbdemos.install('sql-ai-functions', Katalog='main', Schema='dbdemos_ai_query')

Dbdemos ist eine Python-Bibliothek, die vollständige Databricks-Demos in Ihren Arbeitsbereichen installiert. Dbdemos lädt und startet Notebooks, Delta Live Tables Pipelines, Cluster, Databricks SQL Dashboards, Warehouse-Modelle ... Siehe wie man dbdemos verwendet

Dbdemos wird als GitHub-Projekt verteilt.

Für weitere Details, bitte sehen Sie sich die GitHub README.md Datei an und folgen Sie der Dokumentation.
Dbdemos wird so bereitgestellt, wie es ist. Siehe die Lizenz und Hinweis für weitere Informationen.
Databricks bietet keine offizielle Unterstützung für dbdemos und die zugehörigen Assets.
Bei Problemen, bitte ein Ticket öffnen und das Demo-Team wird sich nach bestem Bemühen darum kümmern.