Microsoft Fabric

Acelerar los
conocimientos
con IA
Mayo de 2023 Acelerar los conocimientos con IA

Acelerar los conocimientos con IA

3 Datos para la era de la IA 10

Análisis basados en IA con
Power BI

Generar valor empresarial Copilot en

4 con Microsoft Fabric 11 Microsoft Fabric

Optimizar la preparación de Capacidades de cuaderno

5 los datos con Data Wrangler 12 mejoradas

Colaborar de forma fluida Dotar de medios a los

6 con Semantic Link 13 usuarios con IA

Administración de modelos Colaboración y trabajo en

7 y experimentos de MLFlow 14 equipo en tiempo real

Machine learning escalable

8 con SynapseML 15 Pasos siguientes

Aprovechar los modelos

9 predictivos para obtener
conocimientos empresariales

2
Mayo de 2023 Acelerar los conocimientos con IA

Datos para la era de la IA

Los datos son la clave del éxito de organizaciones de

todo el mundo. Durante décadas, las empresas han
recopilado y almacenado cantidades enormes de datos.
Las organizaciones de éxito transforman estos datos en
conocimientos profundos e impactantes para impulsar
la toma de decisiones inteligente y la innovación.

Microsoft Fabric es una solución de análisis unificada

que reúne las funcionalidades de Data Factory, Synapse,
Creemos que las capacidades
Data Explorer y Power BI. Pone herramientas de alto emergentes de Fabric nos
rendimiento y datos precisos al alcance de usuarios ayudarán a eliminar los silos
empresariales, con gobierno y seguridad integrados. de datos, lo que nos permitirá
Fabric conecta a todos al mismo origen de datos, desde obtener nuevos conocimientos
las ventas y la cadena de suministro, hasta los equipos y así demostraremos
de operaciones y finanzas. a nuestros clientes aún más
aprecio. Realizar consultas
Microsoft Fabric proporciona a los equipos en el almacén de lago y el
herramientas para obtener conocimientos útiles almacén desde un único motor
a partir de los datos en cuestión de minutos en lugar
es algo revolucionario.
de días.
Geoffrey Freeman, MTS, Soluciones de datos
y análisis, T-Mobile

3
Mayo de 2023 Acelerar los conocimientos con IA

Generar valor empresarial

con Microsoft Fabric
Microsoft Fabric es una solución integrada que
funciona. Impulsa la colaboración y hace posible
transformaciones empresariales. Fabric beneficia
a las empresas al poner las herramientas adecuadas
en las manos idóneas, con lo que los equipos pueden
transformar en conocimientos prácticos los datos
sin procesar.
● Fabric permite utilizar el mismo origen de
datos y potentes herramientas para extraer
conocimientos de los datos al instante. De este
modo, los usuarios empresariales pueden actuar
de inmediato basándose en inteligencia actual
y precisa.
● Fabric aporta grandes mejoras de rendimiento,
estabilidad y capacidad de administración
de la pila de análisis de una organización.
Con Fabric, las empresas pueden garantizar
mejores velocidades de consulta, modelos
transformadores y seguridad empresarial
integrada, así como reforzar los pilares esenciales
que impulsan la actividad empresarial.
● Modernizar con Fabric significa pasar de un
sistema que reacciona a los datos, a otro al que
llegan los datos y los equipos pueden decidir
qué hacer con ellos con las herramientas de las
que disponen. Este nuevo modelo de análisis
predictivo permite a las empresas estudiar las
tendencias en los datos históricos y pronosticar
tendencias futuras. Se trata de un gran cambio
de mentalidad que impulsa la ventaja
competitiva en la era de la IA.

Integración nativa en Microsoft Fabric

Democratizar los Maximizar la utilidad

conocimientos eficaces
y proporcionar un
rendimiento acelerado
de las consultas sin coste
adicional
Convertir los datos en
de las herramientas de
inteligencia con el análisis
BI con análisis de cloud
avanzado y los modelos
que aporten velocidad,
predictivos que impulsan
seguridad y obtención de
el valor empresarial
conocimientos acelerada

4
 Mayo de 2023
Optimizar la preparación de
los datos con Data Wrangler
Data Wrangler es una herramienta interactiva que
agiliza la preparación y transformación de los datos
sin renunciar al poder y la reproducibilidad del código.
Se ha diseñado para incorporar a nuevos científicos de
datos y para acelerar el trabajo de los desarrolladores
profesionales. Los usuarios pueden examinar, obtener
una vista previa y aplicar docenas de transformaciones
de limpieza de datos con solo unos clics, generando el
código correspondiente en tiempo real.
Gracias a Data Wrangler, los usuarios pueden navegar
y transformar los datos cargados en sus cuadernos.
Se trata de una herramienta revolucionaria para
explorar y limpiar datos tabulares en Python. Con
una pantalla dinámica y estadísticas descriptivas
integradas directamente en encabezados de columna,
Data Wrangler puede acelerar tareas tediosas como
la exploración y transformación de datos tanto para
nuevos usuarios como para los expertos.
Casos prácticos
Optimizar la preparación de los datos
La pantalla basada en cuadrícula de Data Wrangler
permite a los científicos de datos explorar, limpiar
y transformar los datos en un entorno inmersivo
y dinámico. La herramienta ofrece un panel de
resumen útil e interactivo que actualiza las estadísticas
descriptivas basadas en la columna seleccionada.
También proporciona una biblioteca de operaciones
habituales de limpieza de datos que se pueden utilizar
para transformar columnas individuales o varias
columnas a la vez, con lo que se genera el código
correspondiente en tiempo real.
Acelerar los conocimientos con IA
Preview
pública
Novedades
● Acelerar la exploración de datos con una pantalla
dinámica basada en cuadrícula.
● Acceder a una biblioteca de transformaciones
integradas.
● Optimizar la preparación de los datos generando
Python en cuestión de segundos.
Transformación dinámica de datos
Data Wrangler se ha diseñado para acelerar el
proceso iterativo del análisis de datos de exploración.
Sus visualizaciones integradas y su catálogo de
transformaciones habituales de limpieza de datos
aceleran el tedioso proceso de preparación de datos,
lo que ayuda a los usuarios a preparar sus datos para
el entrenamiento. Al generar código de Python que se
puede copiar de nuevo en el cuaderno, Data Wrangler
admite la reproducibilidad que es fundamental para
los flujos de trabajo de machine learning.
5
 Mayo de 2023 Acelerar los conocimientos con IA

Colaborar de forma fluida Próxima-

con Semantic Link mente

Semantic Link es una potente herramienta dentro

del ecosistema de Microsoft Fabric que facilita la
colaboración entre científicos de datos, analistas de
Novedades
datos y usuarios empresariales. Con Semantic Link,
las organizaciones pueden obtener conocimientos ● Leer conjuntos de datos y medidas de Power BI
de calidad y garantizar una toma de decisiones desde Python.
fundamentada. SemPy, la biblioteca de Python de
la plataforma, permite a los científicos de datos
● Explorar, consultar y validar datos en Power BI
explorar y validar la capa de datos semántica mediante
herramientas conocidas, como Python Notebooks. con Python desde los cuadernos.
Gracias a ello, se establece una colaboración fluida
entre los analistas de datos y los científicos de datos, que ● Acceder y explorar la capa de datos semántica
pueden crear informes mejorados y hacer predicciones
con SemPy.
utilizando potentes algoritmos de machine learning.

● Detectar automáticamente relaciones, combinar

Al permitir a los usuarios de ciencia de datos explorar
datos y detectar problemas de calidad de los
y trabajar sobre el modelo de datos semánticos, los
usuarios pueden crear modelos predictivos de machine datos.
learning, por ejemplo, para pronosticar los ingresos
futuros. Estas predicciones se pueden escribir en lagos ● Volver a escribir en el conjunto de datos de
de datos en el formato abierto Delta, con lo que están
Power BI con el modo Direct Lake.
disponibles al instante como conjuntos de datos de
Power BI para informes de BI mediante la tecnología
Direct Lake, exclusiva de Microsoft Fabric.

Casos prácticos
Colaboración con fluidez Cumplimiento de calidad de los datos

SemPy, una biblioteca de Python, hace posible la
colaboración entre científicos de datos y analistas
de datos para explorar y validar la capa de datos
semántica mediante Python Notebooks. Con SemPy,
los científicos de datos pueden usar características
con las que están familiarizados, como Python, para
analizar los datos, lo que ayuda a obtener mejores
conocimientos de calidad y a tomar decisiones
fundamentadas. Con SemPy, los científicos de datos y
los analistas de datos pueden elaborar juntos mejores
informes y obtener conocimientos más completos a
partir de los datos.
Con la capacidad de definir reglas de calidad de
datos claras en Python, respaldadas con el control de
versiones y junto con SemPy, se puede equipar a los
equipos de gestión de los datos en el sector público
para administrar y cumplir los requisitos legales o
políticos de calidad y precisión de los datos. Mediante
el uso de SemPy, los equipos pueden validar sus
conjuntos de datos en tiempo real, lo que garantiza
el cumplimiento coherente de sus responsabilidades
judiciales.

6
 Mayo de 2023
Administración de modelos
y experimentos de MLFlow
Microsoft Fabric permite a los científicos de datos
administrar el ciclo de vida de desarrollo de su modelo,
incluida la experimentación y la administración de
modelos, a través de MLFlow. Fabric facilita la iteración,
creación y evaluación de modelos de machine learning
para identificar y resolver preguntas empresariales.
El registro de experimentos y modelos integrados
permite a los científicos de datos rastrear y comparar
diferentes ejecuciones de experimentos y versiones de
modelos, registrando automáticamente los cambios
y los resultados. Con estas nuevas características, los
científicos de datos pueden realizar un seguimiento
rápido, compartir y administrar su trabajo sin tener que
preocuparse por el registro manual.
Novedades
● Experimentos de MLFlow: realiza
experimentos para registrar parámetros,
versiones de código, métricas y archivos de
salida. Cada ejecución de experimento se
almacena para que los científicos de datos
puedan establecer referencias y comparar
resultados.
Casos prácticos
Seguimiento sin esfuerzo
Con la compatibilidad con MLFlow integrada, los
usuarios de Microsoft Fabric pueden realizar varias
simulaciones para obtener los mejores modelos para
resolver un problema determinado. La funcionalidad
de registro automático MLFlow realiza un seguimiento
sin esfuerzo de los parámetros y las métricas, lo que
permite una revisión y comparación eficientes.
Acelerar los conocimientos con IA
Preview
pública
● Modelos MLFlow: implementa modelos de
machine learning para descubrir patrones
ocultos en los datos. Cada artefacto de modelo
incluye capacidades de control de versiones
de modelos para que los científicos de datos
puedan volver a modelos anteriores, comparar
el rendimiento entre diferentes versiones y
garantizar la reproducibilidad en sus proyectos
de machine learning.
● Administración de artefactos de machine
learning: los científicos de datos pueden crear
y administrar artefactos de modelos en Fabric.
● Almacén de seguimiento de MLFlow nativo:
impulsado por el registro de modelos de Azure
Machine Learning, los científicos de datos
pueden usar las API MLFlow estándar de forma
nativa en Fabric para realizar un seguimiento
de los experimentos y administrar modelos de
machine learning.
● Registro automático: Fabric registra
automáticamente los modelos, las métricas
y los parámetros de MLFlow de forma
predeterminada, sin tener que configurar
manualmente el registro para cada nuevo
artefacto.
Incorporación rápida
A los nuevos usuarios se les proporciona acceso
inmediato a un gran conjunto de cuadernos para
empezar a resolver problemas rápidamente y responder
a varios tipos de preguntas empresariales mediante
machine learning. Esta incorporación rápida y fluida
acelera la comprensión de cómo utilizar las diversas
herramientas de machine learning que se ofrecen en
Microsoft Fabric.
7
 Mayo de 2023
Machine learning escalable
con SynapseML
SynapseML es la biblioteca de machine learning
abierta y escalable de Microsoft creada en Apache
Spark. SynapseML facilita a los desarrolladores el
entrenamiento de modelos listos para producción que
pueden resolver problemas sencillos de clasificación y
regresión, así como gestionar tareas complejas como
la detección de anomalías, la traducción, el análisis de
texto, el análisis de imágenes, la voz a texto y mucho
más. Con SynapseML, los desarrolladores tienen acceso
a varios algoritmos y marcos de entrenamiento de
modelos como LightGBM, Vowpal Wabbit, EconML,
servicios cognitivos personalizables y mucho más.
Novedades
● OpenAI a escala: los desarrolladores pueden
usar modelos de Azure OpenAI como ChatGPT
y GPT-4 para enriquecer sus bases de datos con
IA generativa. Con la capacidad de interactuar
directamente utilizando indicaciones, los
desarrolladores pueden agregar rápidamente
nuevas columnas a su base de datos utilizando
lenguaje natural. Fabric admite inserciones
OpenAI, lo que facilita la integración de millones
de documentos para crear motores de búsqueda
personalizados.
Casos prácticos
Desarrollar sistemas de IA
SynapseML ayuda a los desarrolladores e investigadores
a crear sistemas de IA responsables introduciendo nuevas
herramientas que revelan por qué los modelos realizan
ciertas predicciones y cómo los desarrolladores pueden
mejorar su conjunto de datos de entrenamiento para eliminar
sesgos. En concreto, SynapseML incluye implementaciones
distribuidas de explicaciones aditivas de Shapley (SHAP),
medidas de equilibrio de conjuntos de datos y una variedad
de otras herramientas de IA responsables para explicar las
predicciones de la visión, el texto y los modelos tabulares.
Acelerar los conocimientos con IA
Preview
pública
● Compatibilidad completa con MLFlow:
los modelos SynapseML ahora se integran
completamente con MLFlow, lo que admite el
registro, la carga, la implementación y el registro
automático. Esto significa que los desarrolladores
ahora pueden administrar el ciclo de vida de sus
modelos SynapseML de la misma manera que
pueden administrar otros modelos mediante
MLFlow. Por último, Fabric no solo ha habilitado la
compatibilidad completa con SynapseML, sino que
Fabric también ha contribuido al proyecto MLFlow
habilitando el registro automático para todos los
modelos SparkML.
● Mejora en el entrenamiento de modelos con
LightGBM: SynapseML ofrece algoritmos de
entrenamiento de machine learning escalables,
como LightGBM, que pueden capturar patrones
ocultos en texto y conjuntos de datos tabulares. La
última versión mejora el rendimiento de LightGBM
al reducir 10 veces su uso de memoria.
● Implementación de modelos en bases de
datos con PREDICT: SynapseML permite a
los desarrolladores integrar modelos MLFlow
directamente en sus bases de datos y trabajos de
Spark. Los desarrolladores pueden incluso usarlos
en Spark SQL con la nueva palabra clave PREDICT
para un enriquecimiento de datos fluido integrado
en sus flujos de trabajo de datos.
Crear soluciones inteligentes
SynapseML facilita el uso de modelos de lenguaje de
gran tamaño con nuevas API de solicitud, finalización e
integración. Esto significa que los desarrolladores pueden
convertir rápida y fácilmente una columna DataFrame en
una línea de comandos de LLM. Las clases de integración
de OpenAI hacen que sea fácil insertar tablas grandes
de frases de forma rápida y sencilla desde cuadernos de
Microsoft Fabric. Con estas nuevas capacidades, la creación
de la siguiente solución inteligente está a solo unas líneas de
comandos.
8
 Mayo de 2023
Aprovechar los modelos
predictivos para obtener
conocimientos empresariales
Microsoft Fabric permite a los usuarios operativizar
modelos de machine learning mediante la función
PREDICT, que permite la puntuación por lotes a escala.
Los científicos de datos pueden generar predicciones
directamente desde un cuaderno de Fabric con unas
pocas líneas de código, o bien desde la página de
elementos de un modelo específico con la ayuda de
una experiencia guiada con poco código.
PREDICT facilita el traspaso desde la creación de
modelos hasta el consumo de modelos tanto para
desarrolladores profesionales como para usuarios
con menos experiencia. Una vez que se escriben las
predicciones de modelos en el lago de datos de Fabric,
se pueden servir sin problemas a los informes de
Power BI con una velocidad sin precedentes, gracias
a la nueva funcionalidad de Direct Lake. Los datos
enriquecidos están disponibles inmediatamente y se
actualizan continuamente para obtener conocimientos
empresariales con más rapidez.
Casos prácticos
Generar predicciones
PREDICT permite a los científicos de datos
generar predicciones mediante cualquier modelo
empaquetado MLFlow, con la certeza de que ningún
dato dejará la plataforma Fabric para la puntuación.
Los usuarios pueden llamar a PREDICT con tres API
diferentes, para obtener la máxima flexibilidad, o bien
pueden configurar trabajos de puntuación por lotes
con solo unos clics con una nueva experiencia con
poco código. Selecciona los datos de entrada, asígnalos
a un modelo y elige la ubicación de salida correcta
en el almacén de lago para las nuevas predicciones:
Fabric generará el código de extremo a extremo
para ellos.
Acelerar los conocimientos con IA
Preview
pública
Novedades
● Puntuar los modelos empaquetados de MLFlow
a escala con la función PREDICT.
● Utilizar una experiencia guiada con poco código
para escribir predicciones de modelos en un
almacén de lago.
● Servir predicciones de modelos en Power BI con
un rendimiento sin precedentes mediante el
modo Direct Lake.
Impulsar los conocimientos empresariales
Cuando las predicciones por lotes llegan al almacén
de datos de Fabric, están optimizadas para impulsar
los conocimientos empresariales. El nuevo modo
Direct Lake hace que los datos enriquecidos estén
disponibles inmediatamente en los informes de Power
BI, sin necesidad de realizar pasos adicionales. Con la
biblioteca SynapseML, los usuarios pueden insertar
cualquier modelo MLFlow directamente en una base
de datos o un trabajo de Spark. La nueva palabra clave
PREDICT permite a los científicos de datos utilizar
modelos en Spark SQL, enriqueciendo datos de forma
fluida en las canalizaciones existentes.
9
 Mayo de 2023
Análisis basados en
IA con Power BI
Power BI incluye análisis basados en IA disponibles
para trabajadores de la información, analistas
empresariales y científicos de datos. A través de
las características de IA existentes y las nuevas
capacidades de Copilot, las organizaciones pueden
aprovechar la IA dentro de Power BI para obtener
conocimientos sobre sus datos. Esto incluye la
generación de resúmenes de lenguaje natural y la
extracción de una colección de modelos de machine
learning previamente entrenados que mejoran los
esfuerzos de preparación de los datos.
Novedades
● Copilot en Power BI: con Copilot, los usuarios
pueden crear informes rápidamente y obtener
conocimientos utilizando el lenguaje natural.
Además, Copilot puede producir resúmenes de
datos en lenguaje natural y ayudar a generar
cálculos DAX para aumentar la productividad.
Casos prácticos
Casos prácticos
Detección de anomalías
Con la característica de conocimientos automatizados,
los usuarios pueden encontrar y explorar fácilmente
conocimientos como anomalías, tendencias y análisis
de KPI en sus datos a medida que interactúan con sus
informes y los consumen. Notifica proactivamente al
usuario si hay conocimientos interesantes en sus informes
y proporciona explicaciones de los conocimientos. Power
BI también puede ejecutar análisis de conocimientos
y mostrar notificaciones emergentes que resaltan los
principales conocimientos de elementos visuales en
la página del informe actual. Los conocimientos más
importantes son aquellos destacables por factores como la
rectificación y la importancia, por ejemplo, una anomalía
grande el día anterior o una tendencia pronunciada en la
última semana.
Acelerar los conocimientos con IA
Próxima-
mente
● Conocimientos automatizados: Power BI
analiza automáticamente los informes para
notificar si hay conocimientos interesantes en los
informes y muestra notificaciones emergentes
que resaltan los principales conocimientos de
datos visuales en el informe.
● Análisis de opinión: la función Score
Sentiment puede ordenar grandes cantidades
de comentarios de los clientes e identificar
tendencias ocultas. Puede analizar rápidamente
opiniones de los datos de una página, como
redes sociales, opiniones de clientes y los foros
de debate.
● Machine learning automatizado: crea
modelos de machine learning con solo unos
clics. Machine Learning automatizado de Power
BI entrena y ajusta automáticamente modelos
para que se utilicen una y otra vez en los datos
nuevos o actualizados del flujo de datos.
Puntuación de opiniones
La función Score Sentiment evalúa la entrada de texto
y devuelve una puntuación de opinión para cada
documento. Esta función es útil para detectar opiniones
positivas y negativas en redes sociales, reseñas de clientes
y foros de debate. El modelo utiliza una combinación
de técnicas durante el análisis de texto, incluido
el procesamiento de texto, el análisis de sintaxis,
la colocación de palabras y las asociaciones de palabras
para crear un cloud de palabras a partir de los comentarios
detectados.
10
 Mayo de 2023
Copilot en
Microsoft Fabric
Microsoft Fabric presentará experiencias Copilot
basadas en Azure OpenAI en todas las experiencias de
datos para acelerar la productividad. Copilot puede
ofrecer nuevos conocimientos ayudando a los usuarios
a aprovechar las sólidas capacidades de análisis de
Power BI y Synapse. Fabric también permite a las
organizaciones integrar y personalizar las capacidades
de Azure OpenAI directamente con sus datos.
Novedades
● Aumenta la productividad: Copilot en
Microsoft Fabric se está integrando en todas
las experiencias de datos para ayudar a los
profesionales de datos a trabajar de forma más
inteligente y rápida, desde la integración de
datos y la escritura de código hasta la búsqueda
y el intercambio de conocimientos.
Casos prácticos
Obtención acelerada de conocimientos
Un director de productos podría hacer una
pregunta sobre la propuesta de valor de una nueva
característica del producto en toda la documentación,
en investigaciones y en materiales de marketing. El
plugin de IA, ajustado según los propios datos de la
organización, recorrería la base de conocimientos,
identificando todos los puntos de datos relevantes
y condensándolos en un formato asimilable. A
continuación, el director recibiría una respuesta
completa en la que se detallaría el valor añadido
pertinente para la característica del producto
especificada.
Acelerar los conocimientos con IA
Próxima-
mente
● La magia del chat: los cuadernos de Fabric
tienen ChatGPT integrado en celdas de código,
lo que permite a los usuarios interactuar
directamente a través de lenguaje natural
sin abrir navegadores o sesiones adicionales
y volver a ejecutar mensajes dinámicamente
para documentar o resumir elementos de su
código.
● Asistencia rápida: con la función del asistente,
los usuarios pueden obtener explicaciones
contextualizadas en lenguaje natural de
diferentes actividades en su cuaderno, como qué
modelos o experimentos están configurados,
fuentes de datos y mecanismos de puntuación
en uso o modificaciones realizadas en el
cuaderno desde el último uso.
● Chat para tus datos: crea y ajusta experiencias
de chat personalizadas basadas en GPT para
que tus datos se consuman en Microsoft
Fabric o en otros chatbots como Microsoft 365
Business Chat.
Aumento de la productividad
Para desarrolladores y científicos de datos, la función
de magia permite una integración perfecta con
los resultados de los modelos GPT directamente
integrados en el cuaderno. Se puede acceder a la
generación de código, las respuestas en lenguaje
natural y los conocimientos sobre los datos mediante
comandos en línea, lo que reduce el cambio de
contexto. La interacción tiene en cuenta el contexto
y es consciente de los datos dentro de Fabric. Conserva
el contexto para que los demás usuarios puedan
comprenderlo e interactuar con él.
11
 Mayo de 2023
Capacidades de cuaderno
mejoradas
Los cuadernos de Microsoft Fabric son una herramienta
innovadora diseñada para facilitar el análisis de datos
y la colaboración con fluidez entre los profesionales
de datos. Los cuadernos de Microsoft Fabric se han
diseñado para responder a las necesidades de los
analistas de datos principiantes y de los científicos de
datos experimentados, y ofrecen un espacio de trabajo
accesible pero sólido para combinar y explorar datos.
Con el lanzamiento de Microsoft Fabric, se han
realizado algunas actualizaciones potentes, incluida la
compatibilidad con más lenguajes de programación y
características de creación más ricas. La coedición en
tiempo real permite una programación colaborativa
fluida, el autoguardado protege cada edición, el
grupo de inicio permite una configuración rápida de
la sesión y los gestos intuitivos como arrastrar y soltar
o fragmentos de código ofrecen una experiencia de
incorporación más fluida y sin coste de aprendizaje.
Novedades
● Compatibilidad con varios lenguajes: con
compatibilidad nativa con PySpark, SparkR,
Scala, Spark SQL y HTML, los usuarios pueden
elegir su lenguaje favorito y usar fácilmente
varios idiomas en el mismo cuaderno.
Casos prácticos
Exploración simplificada
Con las capacidades de administración de recursos
en los cuadernos de Fabric, los científicos de datos
pueden comenzar la exploración experimental
basada en pequeños conjuntos de datos utilizando
instrucciones estándar de Python, sin tener que lidiar
con los requisitos previos de configuración de big data.
Los científicos de datos pueden organizar de forma
intuitiva su código y otros recursos de una manera
flexible y estructurada, estableciendo tareas desde una
experiencia local cómoda.
Acelerar los conocimientos con IA
Preview
pública
● Colaboración: el cuaderno de Fabric es un
IDE colaborativo que permite a varios usuarios
editar en colaboración y en tiempo real. Esto
permite a los científicos de datos realizar tareas
de depuración en directo y fácilmente, trabajar
simultáneamente y enseñar online sin barreras.
● Recursos de cuaderno: el cuaderno de Fabric
tiene una carpeta de recursos integrada que
permite a los usuarios almacenar pequeñas
porciones de conjuntos de datos, módulos
de código e imágenes que se pueden utilizar
más adelante para codificar cómodamente. El
explorador de recursos de cuaderno ofrece una
experiencia de sistema de archivos local para
administrar archivos fácilmente.
● Grupos de inicio: los grupos de inicio están
preconfigurados con áreas de trabajo de Fabric,
lo que significa que los usuarios pueden obtener
una sesión de Spark ejecutándose en solo
unos segundos sin tiempo de espera para la
configuración del clúster.
Capacidades de visualización
Los cuadernos de Fabric proporcionan potentes
capacidades integradas de exploración y visualización
de datos. Con el comando display(), los usuarios
pueden obtener una vista previa y visualizar fácilmente
el conjunto de datos con información de resumen
completa y varios tipos de gráficos. Esto simplifica las
tareas habituales de preparación de datos, como la
validación de la distribución y las comprobaciones de
calidad, lo que las hace sencillas y directas.
12
 Mayo de 2023
Dotar de medios a
los usuarios con IA
Azure Cognitive Services ofrece una potente y amplia
gama de modelos de IA preconfigurados para que
los usuarios con distintos niveles de habilidades
puedan usar la IA. Microsoft Fabric se integra con
Azure Cognitive Services de forma nativa sin tener que
aprovisionar previamente ningún recurso de Azure. Con
Azure Cognitive Services integrado en Microsoft Fabric,
las organizaciones pueden usar capacidades de IA "out
of the box", como Azure OpenAI, análisis de texto,
detección de anomalías, traducción y mucho más.
Novedades
● Traducción: Fabric integra Azure Cognitive
Services para facilitar la traducción en tiempo
real y la comunicación entre idiomas.
Casos prácticos
Traducción en tiempo real
En una organización, los usuarios de diversas
ubicaciones geográficas y orígenes lingüísticos
utilizan informes y paneles. Los puntos de conexión de
traducción se pueden utilizar para traducir al idioma
local del espectador el contenido de estos informes,
como etiquetas, descripciones y datos basados en
texto, lo que hace que estos informes y paneles sean
accesibles para una audiencia global.
Acelerar los conocimientos con IA
Próxima-
mente
● Detección de anomalías: las organizaciones
pueden identificar patrones o comportamientos
anómalos en sus datos, lo que permite la
detección temprana.
● Azure OpenAI: los usuarios pueden acceder a
LLMs avanzados y crear soluciones inteligentes
para generar código, interpretar datos y entender
la lógica sin tener experiencia en IA ni en ciencia
de datos. Los usuarios pueden combinar este
resultado con sus datos estructurados existentes
para tomar decisiones más inteligentes.
● Análisis de texto: con una colección de
características de Azure Cognitive Services for
Language, los usuarios pueden extraer, clasificar
y comprender texto dentro de los documentos.
Privacidad mejorada
Los servicios cognitivos, como el reconocimiento
de entidades con nombre (NER) y la detección de
información de identificación personal (PII), mejoran la
privacidad y el cumplimiento de los datos, convirtiendo
la limpieza de datos y la garantía de privacidad en
una tarea eficiente. Por ejemplo, mientras tratan el
contenido generado por los usuarios o los comentarios
de los clientes, las empresas pueden utilizar el detector
de PII para identificar y censurar automáticamente la
información de identificación personal antes de que se
incluya en informes.
13
 Mayo de 2023
Colaboración y trabajo
en equipo en tiempo real
En el pasado, el trabajo se limitaba a cuadernos
o experimentos de machine learning aislados. Con
Microsoft Fabric, los científicos de datos ahora
pueden compartir libremente su trabajo en toda la
organización, lo que permite la colaboración en tiempo
real, los comentarios y la inteligencia colectiva dentro
del equipo.
Microsoft Fabric redefine el trabajo en equipo. Sus
características robustas y fáciles de usar permiten a los
científicos de datos compartir, respaldar y certificar
sin problemas su trabajo, amplificando así el impacto
y el alcance de sus conocimientos. Al unificar silos
de datos anteriores, Microsoft Fabric fomenta una
cultura de innovación y toma de decisiones basada en
datos, lo que lo convierte en una herramienta de un
valor incalculable a la hora de impulsar el impacto de
los datos.
Novedades
● OneLake: un único lago de datos lógico SaaS
unificado para toda la organización, como base
para todos los datos de Microsoft Fabric.
Casos prácticos
Conocimientos prácticos
Con un lago de datos unificado, los científicos de datos
pueden ejecutar modelos predictivos en los datos de
ventas y escribir los resultados en One Lake en una sola
operación. Los analistas de datos pueden acceder a estos
resultados inmediatamente, incluidas las previsiones de
ventas futuras, y usarlos para crear paneles dinámicos y
en tiempo real que proporcionen conocimientos útiles a
los equipos de ventas y a los responsables de la toma de
decisiones.
Acelerar los conocimientos con IA
Preview
pública
● Dominios: la organización de áreas de
trabajo en dominios estructurados ayuda a los
administradores y a los propietarios de datos a
administrar, controlar y promover el trabajo de
forma más fluida en los distintos espacios de
trabajo.
● Direct Lake: ofrece predicciones rápidamente
en Power BI con el modo Direct Lake. Los
usuarios de Power BI pueden utilizar Direct
Lake para conectarse a los datos de OneLake
directamente y en tiempo real, a través de
una conexión en directo, de modo que en
el momento en que los científicos de datos
publiquen su trabajo, los analistas de datos
puedan utilizarlos inmediatamente.
● Respaldo y certificación: respalda y promueve
tus artefactos para comunicar el estado de la
certificación. Los científicos de datos pueden
mostrar su trabajo a través de la promoción
intuitiva de artefactos de datos.
● Métodos abreviados: virtualiza datos entre
dominios y clouds. Al conectar datos entre
elementos o áreas de trabajo sin cambiar la
propiedad de los datos, los datos se pueden
reutilizar varias veces sin duplicarlos.
Previsión de la demanda
En toda la organización se puede utilizar un modelo
certificado de previsión de la demanda para predecir la
demanda futura de productos. Al colaborar fácilmente,
los científicos de datos pueden trabajar juntos para crear
el mejor resultado de predicción. Al disponer del modelo
certificado y de fácil acceso a través de Microsoft Fabric
se descomponen los silos, lo que ayuda a varios equipos a
planificar de forma más eficaz y reducir los costes, desde
la cadena de suministro hasta las ventas.
14
Mayo de 2023 Acelerar los conocimientos con IA

Pasos siguientes

Transformar los datos en conocimientos valiosos es
esencial para todas las organizaciones. Microsoft Fabric
reúne herramientas y soluciones de análisis en un solo
lugar, lo que permite a los usuarios crear y compartir
esos conocimientos. No se trata solo de simplificar la
forma en que usamos los datos, sino de ampliarlos:
encontrar nuevas formas de crear predicciones y
análisis que puedan impulsar un cambio positivo para
cualquier empresa.
Microsoft Fabric deja que los analistas de datos
se centren en los datos. Funciona de forma fluida,
proporcionando la herramienta adecuada en el
momento idóneo en una única solución integrada para
cualquier conjunto de datos. Microsoft Fabric permite
a las organizaciones obtener valor real de sus datos
y preparar sus sistemas para el futuro.

Acelerar los conocimientos con Microsoft Fabric

Regístrate para obtener la versión de prueba gratis de Microsoft Fabric

Visita el sitio web de Microsoft Fabric

Explora la documentación técnica de Microsoft Fabric

Lee el e-book gratuito sobre cómo empezar a usar Microsoft Fabric

Explora Fabric a través de un paseo guiado

Únete a la comunidad de Microsoft Fabric para publicar tus preguntas,

compartir tus comentarios y aprender de otras personas

© 2023 Microsoft Corporation. Todos los derechos reservados. Este documento se proporciona «tal cual». La información y las opiniones expresadas
en este documento, incluidas las direcciones URL y otras referencias a sitios web de Internet, están sujetas a cambios sin previo aviso. Cualquier riesgo
relacionado con el uso del documento es responsabilidad del usuario. Este documento no te proporciona ningún derecho legal sobre ninguna propiedad
intelectual de ningún producto de Microsoft. Puedes copiar y usar este documento para uso interno y como material de consulta. 15