Integrazione dei dati con l'intelligenza artificiale
Mappatura dei dati basata sull'intelligenza artificiale in MapForce
Mappatura dei dati basata sull'intelligenza artificiale in MapForce
I modelli di intelligenza artificiale attuali hanno il potenziale di migliorare notevolmente le attività di integrazione dei dati in diversi modi. Alcuni dei progressi più significativi, rilevanti per la mappatura dei dati e l'ETL, riguardano le capacità di classificazione basate sull'intelligenza artificiale.
Che si tratti di classificare input linguistici naturali o altri dati non strutturati come immagini e audio, i sistemi basati sull'intelligenza artificiale eccellono nei tipi di attività di categorizzazione che, storicamente, sono state estremamente complesse, richiedenti molto tempo e soggette a errori. Le interfacce basate sull'intelligenza artificiale e sui modelli linguistici di grandi dimensioni (LLM) sono in grado di analizzare le enormi quantità di dati di addestramento necessari per apprendere i modelli, i contesti e le sfumature complessi del linguaggio, al fine di "comprendere" in modo efficiente il parlato e i contenuti generati dagli esseri umani.
A loro volta, la capacità dei sistemi di intelligenza artificiale di classificare i dati in diversi ambiti può aiutare le organizzazioni a valorizzare i propri dati in modo significativo. Questo è particolarmente utile per migliorare i dati inseriti in un database o in un altro sistema di archiviazione durante i processi di integrazione dei dati o di ETL, dove i dati forniti dall'intelligenza artificiale offrono ulteriori informazioni utili per supportare le decisioni aziendali.
Poiché molti sistemi di intelligenza artificiale, come GPT-4 di OpenAI, sono disponibili tramite API, è possibile integrare immediatamente le loro funzionalità nei progetti di trasformazione dei dati in MapForce.
Utilizzando gli strumenti integrati, che non richiedono la scrittura di codice, per definire le richieste ai servizi web in MapForce, è facile configurare le chiamate a un'API, inclusa l'API OpenAI, l'API Azure OpenAI, i servizi AI di AWS, e così via, per abilitare l'elaborazione dei dati basata sull'intelligenza artificiale in qualsiasi progetto di mappatura dei dati.
I passaggi principali per configurare le funzionalità di intelligenza artificiale in MapForce includono:
Le seguenti applicazioni descrivono implementazioni reali che utilizzano l'intelligenza artificiale per classificare i dati durante i processi di estrazione, trasformazione e caricamento (ETL) o di integrazione dei dati.
Automatizzare l'analisi del sentiment L'elaborazione del linguaggio naturale è sempre stata una sfida per gli analisti dei dati, poiché le macchine non possedevano la comprensione necessaria degli aspetti meno concreti del linguaggio umano, come il contesto, l'ironia, l'ambiguità e il gergo.
Dato che l'intelligenza artificiale ha in gran parte superato questi limiti, è in grado di analizzare dati testuali, come recensioni dei clienti o post sui social media, per determinare il sentimento espresso nel testo, che sia positivo, negativo o neutro. Questa classificazione può aiutare le aziende a comprendere il feedback dei clienti, valutare l'opinione pubblica e prendere decisioni basate sui risultati dell'analisi del sentiment.
Il progetto di mappatura dei dati presentato di seguito utilizza l'intelligenza artificiale per analizzare i dati in entrata in un database di supporto e determina automaticamente se una voce è positiva, negativa, costituisce una segnalazione di un difetto o deve essere considerata come una richiesta di funzionalità. I risultati vengono quindi salvati nel database dei feedback dei clienti.
Questo L'articolo descrive le fasi necessarie per implementare questa tipologia di funzionalità ETL basata sull'intelligenza artificiale in MapForce.
Similmente alla classificazione del testo, la classificazione delle immagini, resa possibile dall'intelligenza artificiale, è molto più avanzata rispetto alle tecnologie più datate. Ad esempio, nell'e-commerce, l'IA può categorizzare automaticamente le immagini dei prodotti in diverse classi o identificare oggetti specifici all'interno delle immagini. Questa classificazione può essere utile per la gestione dell'inventario, l'ottimizzazione della ricerca, l'organizzazione dei contenuti e così via.
Nell'esempio di mappatura dei dati che segue, un database di cataloghi prodotti viene potenziato con la classificazione di immagini basata sull'intelligenza artificiale, al fine di aggiungere etichette descrittive alle schede prodotto. Questo è particolarmente utile quando il nome del prodotto è ambiguo (ad esempio, "Mongoose", che è una marca di biciclette) o quando la descrizione è completamente assente.
La funzione utilizza l'API Computer Vision dei servizi cognitivi Microsoft Azure per analizzare le immagini dei prodotti e restituire un elenco di tag che verranno aggiunti al database. Ad esempio, quando analizza un'immagine del prodotto chiamato "Anguria gialla" (che in realtà si rivela essere un'esca da pesca), i tag restituiti sono "esca", "metallurgia".
Scoprite come realizzare questo progetto di integrazione dei dati utilizzando l'intelligenza artificiale per classificare le immagini in questo articolo.
Le possibilità di utilizzare la classificazione basata sull'intelligenza artificiale per aggiungere valore ai dati georeferenziati sono molteplici. Oltre alla classificazione di immagini e all'analisi del sentiment descritte in precedenza, gli sviluppatori possono utilizzare strumenti basati sull'intelligenza artificiale e che non richiedono la scrittura di codice in MapForce per automatizzare:
Per iniziare, approfondite come abbiamo realizzato il progetto di estrazione, trasformazione e caricamento (sentiment analysis ETL project) o come abbiamo mappato i dati per la classificazione di immagini basata sull'intelligenza artificiale descritti sopra. Potete provare queste funzionalità nei vostri progetti di integrazione dati scaricando una versione di prova gratuita e completamente funzionante di MapForce.
