[中字] 微软智能副驾驶数据评估与工程课程（中文字幕英文视频

教程） 课程整体概述 本课程围绕微软智能副驾驶在数据评估与工程方面的应用展开，内容全面且深入。从基础的数据质量元素讲解，到利用 Copilot 进行数据质量评估工具的操作，再到不同版本 Copilot（Copilot、Copilot Pro、M365 Copilot）的对比分析，为学员搭建起对课程核心工具的全面认知。 课程精心设置了多个章节，分别针对 Copilot Chat、微软 Excel 中的 Copilot 以及微软 Fabric 中的 Copilot 展开详细教学。在每个章节中，通过丰富的视频教程和对应的字幕文件，从不同角度深入剖析 Copilot 在数据处理各环节的应用。无论是数据的导入、清洗、分析，还是可视化报告的生成，亦或是合成数据的生成与风险评估，都有细致的讲解和实践指导。 二、课程核心内容亮点 （一）数据质量评估基础与 Copilot 工具运用 课程开篇便聚焦于数据质量这一关键要素，详细阐述数据质量元素。学员将深入理解数据准确性、完整性、一致性、时效性等核心概念，这些是确保数据可用性和价值性的基石。同时，课程会介绍 Copilot 中用于评估数据质量的一系列工具。例如，如何利用 Copilot 快速识别数据中的缺失值、异常值，以及如何通过它来验证数据格式是否符合规范等。通过实际操作这些工具，学员能够快速掌握利用 Copilot 提升数据质量评估效率和准确性的方法。 （二）Copilot Chat 功能深度探索 Copilot Chat 作为课程重点内容，涵盖了丰富多样的数据处理场景。在 “Our first Prompt - Profiling & Cleaning Data” 部分，学员将学习如何通过编写有效的指令，让 Copilot 对数据进行全面剖析和清洗。比如，针对包含大量杂乱销售数据的数据集，通过精准的指令，Copilot 能够迅速完成数据的整理和清洗工作，为后续分析奠定坚实基础。 在数据清洗过程中，“Imputing values, fixing date formats and Calculated Columns” 这一内容将指导学员利用 Copilot 完成诸如填充缺失值、修正日期格式以及创建计算列等复杂任务。学员将了解到 Copilot 如何根据数据特征和指令要求，智能地选择合适的方法进行处理，大大提高数据处理效率和准确性。 “Uploading Files & Prompt Engineering” 则着重讲解如何上传数据文件至 Copilot，并通过巧妙的提示工程，引导 Copilot 输出更符合需求的结果。这一部分强调了提示工程的重要性，即如何准确、清晰地表达需求，以充分发挥 Copilot 的强大功能。学员将通过实际案例学习到不同场景下的提示技巧，从而能够更好地与 Copilot 进行交互。 “Generating a Data Quality Pipeline with Copilot” 将带领学员利用 Copilot 构建数据质量管道。学员将了解如何通过一系列有序的操作步骤，从数据的采集、清洗、转换到最终的质量评估，构建一个完整的数据质量保障体系。Copilot 在这一过程中能够自动生成部分代码和操作流程，极大地简化了数据质量管道的构建过程。 “Producing Data Quality Visuals and Reports” 则聚焦于利用 Copilot 生成数据质量可视化图表和报告。学员将学习如何通过简单的指令，让 Copilot 将复杂的数据质量信息转化为直观、易懂的可视化图表，如柱状图、折线图、热力图等，以及生成详细的数据质量报告，为数据决策提供有力支持。 （三）合成数据相关知识与 Copilot 应用 课程还深入探讨了合成数据这一前沿领域。在 “What is Synthetic Data” 部分，学员将全面了解合成数据的概念、特点以及其在数据科学和工程中的重要作用。合成数据是通过算法生成的模拟真实数据，它在保护数据隐私、扩充数据集等方面具有独特优势。 “Generating Synthetic Data with Copilot” 将详细介绍如何利用 Copilot 生成高质量的合成数据。学员将学习到不同类型数据（如结构化数据、文本数据等）的合成方法，以及如何通过调整 Copilot 的参数和指令，生成符合特定需求的合成数据。例如，在生成模拟客户交易数据时，如何确保数据的分布特征、相关性等与真实数据相似。 然而，合成数据也存在一定风险。“Risks associated with Synthetic Data - Part 1” 和 “Risks associated with Synthetic Data - Part 2” 这两部分内容将深入剖析合成数据可能带来的风险，如数据偏差、隐私泄露风险的伪装等。学员将了解到在使用合成数据时需要注意的问题，以及如何通过有效的措施来降低这些风险，确保合成数据的合理、安全使用。 （四）Copilot 在不同微软产品中的应用 Excel 中的 Copilot 应用：在 “Copilot in Microsoft Excel” 章节中，课程首先介绍了 Excel 中 Copilot 的界面，让学员熟悉其操作环境。随后，学员将学习如何利用 Copilot 进行数据的排序和筛选，以快速获取所需数据子集。例如，在处理包含大量销售订单的 Excel 表格时，通过 Copilot 能够迅速按照销售额、订单日期等条件进行排序和筛选。 “Generating Formulas - Part 1” 和 “Generating Formulas - Part 2” 将深入讲解如何借助 Copilot 生成各种复杂的 Excel 公式。无论是常见的求和、平均值计算，还是更复杂的条件判断、数据统计分析公式，Copilot 都能根据学员的需求快速生成。这对于不熟悉 Excel 公式编写的学员来说，是一个极大的帮助，能够快速提升数据计算和分析能力。 “Creating Pivot Tables” 部分将指导学员使用 Copilot 创建数据透视表。数据透视表是 Excel 中强大的数据汇总和分析工具，通过 Copilot，学员能够更轻松地选择数据源、设置字段布局，快速生成数据透视表，从而对大量数据进行多角度的分析和洞察。 “Data Quality & Deeper Analysis using Python” 则展示了如何在 Excel 中结合 Python 语言，利用 Copilot 进行更深入的数据质量分析和复杂的数据处理任务。学员将学习到如何通过 Python 脚本调用 Copilot 的功能，实现数据的高级清洗、建模分析等操作，拓展了数据处理的边界和能力。 Fabric 中的 Copilot 应用：“Copilot for Fabric” 章节对微软 Fabric 中的 Copilot 应用进行了全面讲解。在 “What is Microsoft Fabric” 部分，学员将了解 Microsoft Fabric 这一强大的数据平台的基本概念、功能架构以及其在数据工程和分析领域的重要地位。 “Taking a look at the interface” 将带领学员熟悉 Fabric 中 Copilot 的操作界面，包括各种功能按钮、菜单选项等，为后续的操作使用打下基础。 “Is it Free” 则解答了学员关心的使用成本问题，详细介绍了 Fabric 中 Copilot 的免费使用范围以及不同付费版本所提供的额外功能和优势，帮助学员根据自身需求选择合适的使用方案。 “ETL Flow in Fabric” 深入讲解了 Fabric 中的 ETL（Extract, Transform, Load）流程，即数据的提取、转换和加载过程。学员将学习如何利用 Copilot 简化 ETL 流程，实现数据的高效处理和集成。例如，如何通过 Copilot 自动识别数据源格式、进行数据清洗和转换规则的制定，以及将处理后的数据加载到目标存储中。 “Copilot in Dataflow Gen2 - Part 1” 和 “Copilot in Dataflow Gen 2 - Part 2” 详细介绍了 Copilot 在 Dataflow Gen2 中的应用。Dataflow Gen2 是 Fabric 中用于数据处理和转换的重要工具，学员将学习如何利用 Copilot 创建、编辑和优化数据流程，实现数据的自动化处理和复杂的数据转换操作。 “Copilot in SQL - Part 1” 和 “Copilot in SQL - Part 2” 则聚焦于 Copilot 在 SQL 查询方面的应用。学员将学习如何通过自然语言指令，让 Copilot 生成相应的 SQL 查询语句，实现对数据库中数据的查询、分析和管理。这对于不熟悉 SQL 语法的学员来说，大大降低了数据库操作的难度，提高了数据处理效率。 “Copilot in Data Warehouse & Lakehouse” 将介绍 Copilot 在数据仓库和湖仓一体架构中的应用。学员将了解到如何利用 Copilot 在这些数据存储环境中进行数据的查询、分析和管理，以及如何通过 Copilot 实现数据仓库和湖仓之间的数据交互和协同工作，充分发挥不同数据存储架构的优势。 三、课程价值与收益 通过学习本课程，学员将获得多方面的价值和收益。 在技术能力提升方面，学员将熟练掌握微软智能副驾驶 Copilot 在数据评估与工程全流程中的应用，能够独立完成复杂的数据处理任务。无论是数据质量的评估与优化，还是数据的分析、可视化以及合成数据的生成与应用，学员都将具备扎实的实践技能。 在工作效率提升方面，Copilot 的自动化和智能化功能将极大地缩短数据处理时间。学员能够快速完成原本需要耗费大量时间和精力的数据清洗、分析等工作，将更多时间投入到数据洞察和决策支持等更具价值的工作中，为企业创造更大的价值。 在职业发展方面，掌握微软智能副驾驶这一前沿技术，将使学员在数据科学、数据分析、数据工程等领域具备更强的竞争力。无论是在现有工作岗位上晋升，还是寻求更广阔的职业发展机会，本课程所带来的技能提升都将成为学员的有力优势。