Fonctions d'IA : interroger les LLM avec SQL
Type de démo
Tutoriel de produit
Durée
Auto-dirigé
Contenu associé
Qu'allez-vous apprendre ?
Ce tutoriel montre comment utiliser les fonctions AI de Databricks, en exploitant les LLM directement dans vos requêtes SQL. Cela vous permet de traiter des données non structurées, d'identifier des sujets, d'analyser le sentiment, de générer des réponses et bien plus encore.
Les fonctions IA simplifient la dérivation de sens à partir de données non structurées et facilitent l'interaction des analystes avec les LLMs en utilisant SQL.
Dans cette démo, nous vous montrerons comment extraire des informations à partir de votre texte.
- Exploitant les fonctions AI intégrées pour effectuer des tâches telles que la classification, la génération de texte, la classification
- Créez votre propre fonction IA
- Exploitez différents types de LLM en fonction de vos besoins : Modèles de base Databricks, vos propres LLM affinés ou des fournisseurs externes
Nous verrons comment analyser les avis des clients, en demandant au LLM de OpenAI's Databricks Foundation Models de détecter les avis négatifs et de préparer une réponse.
Nous explorerons également comment les LLM peuvent être utilisés pour générer des données fictives.
Pour installer la démo, obtenez un espace de travail Databricks gratuit et exécutez les deux commandes suivantes dans un carnet de notes Python.
Dbdemos est une bibliothèque Python qui installe des démonstrations Databricks complètes dans vos espaces de travail. Dbdemos chargera et démarrera des carnets de notes, des pipelines Delta Live Tables, des clusters, des tableaux de bord Databricks SQL, des modèles d'entrepôt ... Voir comment utiliser dbdemos
Dbdemos est distribué en tant que projet GitHub.
Pour plus de détails, veuillez consulter le GitHub fichier README.md et suivez la documentation.
Dbdemos est fourni tel quel. Voir le Licence et Avis pour plus d'informations.
Databricks n'offre pas de support officiel pour dbdemos et les actifs associés.
Pour tout problème, veuillez ouvrir un ticket et l'équipe de démonstration examinera sur une base de meilleur effort.
