Använda Data Science Agent

Den här sidan introducerar Data Science Agent, en AI-dataagent som är tillgänglig genom att välja Agentläge i Databricks Assistant. Den är särskilt utformad för Databricks-notebook-filer och SQL-redigeraren och utforskar data, genererar och kör kod och åtgärdar fel – allt från en enda fråga.

Vad är Data Science Agent?

Data Science Agent är en kraftfull funktion i Databricks Assistants agentläge som omvandlar assistenten till en intelligent följeslagare som kan automatisera hela datavetenskapsarbetsflöden i flera steg i Databricks Notebooks och SQL-redigeraren.

Jämfört med läget Assistentchatt har agentläget utökat funktionerna: planera en lösning, hämta relevanta tillgångar, köra kod, använda cellutdata för att förbättra resultaten, åtgärda fel automatiskt och mycket mer.

Data Science Agent kan planera och generera kod som ska köras i notebook-filer eller frågor som ska köras i SQL-redigeraren. Agenten samarbetar med dig för att godkänna dess planer och bekräfta dess nästa steg innan du fortsätter. Med ditt godkännande kan Data Science Agent använda verktyg för att utföra uppgifter som att söka i tabeller, redigera en notebook-fil, köra celler och läsa cellutdata.

Data Science Agentens åtkomst och åtgärder styrs av användarens behörigheter. Den kan bara komma åt data som du har åtkomst till och utföra åtgärder som du har behörighet för.

Kravspecifikation

Om du vill använda Data Science Agent behöver din arbetsyta följande:

• Partnerdrivna AI-funktioner aktiverade för både kontot och arbetsytan. Se Partnerdrivna AI-funktioner.
• Förhandsversionen av Data Science Agent är aktiverad. Se Hantera förhandsversioner av Azure Databricks.

Använda Data Science Agent

Så här använder du Data Science Agent:

1. Öppna sidopanelen Assistent från en Databricks-notebook-fil eller SQL-redigeraren.

2. I det nedre högra hörnet väljer du Agent. Detta växlar i assistentens agentläge så att du kan interagera med Data Science Agent.

   

3. (Valfritt) För längre, mer öppna aktiviteter kan du växla på Planner. Detta gör att Data Science Agent kan orkestrera arbetsbelastningar i flera steg. Agenten skapar en plan och ställer klargörande frågor innan du fortsätter med nästa steg. Med Planner aktiverat kan agenten generera en fullständig notebook-fil med dataanalys och visualiseringar.

4. Ange en fråga för agenten. Till exempel "Analysera @sales_transactions från samples.bakehouse för att identifiera den mest sålda produkten."

   Tips/Råd

   Referera till specifika tabeller med hjälp @table_nameav . Agenten använder den tabellen och eventuella associerade metadata för att kurera sitt svar. Agenten respekterar användarens Behörigheter för Unity-katalogen, så att den bara kan komma åt de data som du har åtkomst till.

5. När agenten genererar sitt svar och genomför sin plan pausar den ofta för att få dina indata:

   • När Planner är aktiverat skapar agenten en stegvis plan och ställer klargörande frågor. Svara på agentens klargörande frågor för att hjälpa den att förbättra sin plan.

   • När agenten behöver köra kod ber den om ditt godkännande innan du fortsätter. Tillåt eller avvisa dess begäran. Du kan också välja Tillåt i den här tråden (refererar till konversationstråden Assistent) eller Tillåt alltid.

     Viktigt!

     Data Science Agent kan generera och köra kod i notebook-filen. Även om den har skyddsräcken för att förhindra farliga åtgärder, finns det fortfarande risk. Du bör bara använda den med kod och data som du litar på

   • När agenten fortsätter sitt arbete kan du uppmanas att välja Fortsätt eller Avvisa. Granska agentens befintliga arbete och välj sedan Fortsätt för att tillåta att agenten fortsätter till nästa steg eller Avvisa för att be den att prova något annat.

   • Om du vill stoppa agenten medan den fungerar klickar du på den röda .

Agenten kan skapa nya notebook-celler (eller frågor), generera text och kod, köra notebook-cellerna och komma åt cellutdata för att tolka resultatet.

Användningsfall

I agentläge har assistenten utökade funktioner, till exempel att hitta data, tolka utdata och utföra cellåtgärder.

Med Planner aktiverat kan Data Science Agent hjälpa till med mer komplexa datavetenskapsuppgifter, inklusive undersökande dataanalys, prognostisering och maskininlärning. Du kan till och med använda skapa en ny notebook-fil för dataanalys från grunden med Data Science Agent. För bättre resultat anger du de tabeller som du vill använda med "@table_name".

Prova följande uppmaningar för att komma igång:

• Dataidentifiering:
  • "Vilken tabell innehåller bakehouse-transaktionsdata?"
  • "Jag vill se väderdata för datumet 2025-01-01 i staden Los Angeles, CA."
  • "Hitta en tabell som innehåller taxidata för New York City och visa mig de första 10 raderna."
• Undersökande dataanalys:
  • "Hjälp mig att parsa JSON-strängen i kolumn A."
  • "Skapa en visualisering av data från den här tabellen."
  • "Tolka det här stapeldiagrammet."
  • "Beskriv datauppsättningen @sales_transactions . Utför lite EDA för att hjälpa mig att förstå kolumnstatistiken och visualisera fördelningen av värden. Tänk som en dataexpert."
  • "Analysera @workload_insights för att hitta de 5 främsta kunderna för Databricks SQL-arbetsbelastningar förra veckan efter intäkter. Rita sedan hur många användare dessa kunder hade för Databricks SQL per vecka under de senaste 6 veckorna."
• Prognostisering:
  • "Med hjälp av datamängden @incidents skapar du en prognos för det dagliga antalet incidenter under de kommande två veckorna. När du är klar ger du mig en datatabell och ett interaktivt diagram för att visa resultatet."
  • "Med datamängden @website_traffic kan du förutsäga antalet dagliga besökare för den kommande månaden. Markera eventuella säsongsmönster."
  • "Generera en prognos för produktefterfrågan för de kommande 6 månaderna från datamängden @inventory , inklusive konfidensintervall."
• Maskininlärning:
  • "Utför vissa dataförberedelser och funktionsframställning för att förbereda den här datamängden för modellträning."
  • "Träna en klassificeringsmodell på datamängden @customer\_data för att förutsäga omsättning. Utvärdera modellen med noggrannhet och AUC-mått."
  • "Utför hyperparameterjustering på en regressionsmodell med hjälp av datamängden @housing\_prices för att förbättra förutsägelsefelet."
  • "Skapa en klustermodell på datauppsättningen @sales\_leads för att identifiera kundsegment och ge en sammanfattning av varje klusters egenskaper."
• Anteckningsboksorganisation:
  • "Skapa en ny cell som sammanfattar resultatet från den här notebook-filen."
  • "Ge den här notebook-filen ett relevant namn."

Undersökande dataanalys

Använd Data Science Agent för att utföra undersökande dataanalys på en datauppsättning. Prova till exempel att använda agenten för att skapa en ny notebook-fil som analyserar datauppsättningen samples.bakehouse.sales_transactions .

På en tom anteckningsboksflik öppnar du panelen Assistent, väljer Agentläge och planerare och anger följande prompt: "Beskriv datauppsättningen från @sales\_transactions samples.bakehouse. Jag vill göra lite EDA så att jag kan förstå kolumnstatistiken och visualisera fördelningen av värden. Tänk som en dataexpert."

Agenten skapar en plan för att besvara din fråga och kan ställa klargörande frågor. Med ditt godkännande genererar den nya notebook-celler som innehåller kod för att utforska data och text som förklarar dess process och resultat.