AI导哈

零售智能数据分析平台

基于Microsoft Fabric的零售智能数据分析平台，提供数据集成、机器学习、LLM集成和实时分析功能，适用于零售行业的智能决策支持。

  • by Cloud2BR-MSFTLearningHub
  • Jupyter Notebook
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 MicrosoftCloudEssentials-LearningHub/Fabric-AI-Retail-Demo

使用说明

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

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:::step
More 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LLMs ability 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)
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：

自 Microsoft文档

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：

  1. 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。
  2. 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：

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。

内容

Refresh Date: 2025-10-09

相关 MCP