Linaje de modelos y experimentos

En los proyectos modernos de inteligencia empresarial (BI), comprender el flujo de datos del origen de datos a su destino puede ser un desafío. El desafío es aún mayor si crea proyectos analíticos avanzados que abarcan varios orígenes de datos, elementos y dependencias.

Preguntas como "¿Qué ocurre si cambio estos datos?" o "¿Por qué no está actualizado este informe?" puede ser difícil de responder. Estas preguntas pueden requerir la comprensión de un equipo de expertos o de una investigación profunda. La vista de linaje de Microsoft Fabric le ayuda a responder a estas preguntas.

Linaje y aprendizaje automático

Hay varias razones por las que el linaje es importante en el flujo de trabajo de aprendizaje automático:

• reproducibilidad: saber el linaje de un modelo facilita la reproducción del modelo y sus resultados. Si otra persona quiere replicar el modelo, puede seguir los mismos pasos que usó para crearlo y usar los mismos datos y parámetros.
• Transparencia: comprender el linaje de un modelo ayuda a aumentar su transparencia. Las partes interesadas, como los reguladores o los usuarios, pueden comprender cómo se creó el modelo y cómo funciona. Este factor puede ser importante para garantizar la equidad, la responsabilidad y las consideraciones éticas.
• Depuración: Si un modelo no funciona según lo previsto, conocer su linaje puede ayudar a identificar el origen del problema. Al examinar los datos de entrenamiento, los parámetros y las decisiones que se tomaron durante el proceso de entrenamiento, es posible que los usuarios puedan identificar problemas que afectan al rendimiento del modelo.
• Mejora: conocer el linaje de un modelo también puede ayudar a mejorarlo. Al comprender cómo se creó y entrenó el modelo, es posible que los usuarios puedan realizar cambios en los datos de entrenamiento, los parámetros o el proceso que pueden mejorar la precisión del modelo u otras métricas de rendimiento.

Tipos de elementos de ciencia de datos

Microsoft Fabric integra modelos y experimentos de aprendizaje automático en una plataforma unificada. Como parte de este enfoque, los usuarios pueden examinar la relación entre los elementos de ciencia de datos de Fabric y otros elementos de Fabric.

Modelos de Machine Learning

En Fabric, los usuarios pueden crear y administrar modelos de aprendizaje automático. Un elemento de modelo de Machine Learning representa una lista con versiones de los modelos, que permite a los usuarios examinar las distintas iteraciones del modelo.

En la vista de linaje, los usuarios pueden examinar la relación entre un modelo de Machine Learning y otros elementos de Fabric para responder a las siguientes preguntas:

• ¿Cuál es la relación entre los modelos de aprendizaje automático y los experimentos en mi área de trabajo?
• ¿Qué modelos de aprendizaje automático existen en mi área de trabajo?
• ¿Cómo puedo realizar un seguimiento del linaje para ver qué elementos de lakehouse estaban relacionados con este modelo?

Experimentos de aprendizaje automático

Un experimento de de aprendizaje automático es la unidad principal de la organización y el control de todas las ejecuciones de aprendizaje automático relacionadas.

En la vista de linaje, los usuarios pueden examinar la relación entre un experimento de aprendizaje automático y otros elementos de Fabric para responder a las siguientes preguntas:

• ¿Cuál es la relación entre experimentos de aprendizaje automático y elementos de código en mi área de trabajo? Por ejemplo, ¿cuál es la relación entre cuadernos y definiciones de trabajos de Spark?
• ¿Qué experimentos de aprendizaje automático existen en mi área de trabajo?
• ¿Cómo puedo realizar un seguimiento del linaje para ver qué elementos de lakehouse estaban relacionados con este experimento?

Exploración de la vista de linaje

Cada área de trabajo de Fabric tiene una vista de linaje integrada. Para acceder a esta vista, necesita un rol de área de trabajo (Administrador, Miembro, Colaborador o Visor). Los usuarios con el rol Visor pueden ver el linaje de elementos, pero no los orígenes de datos. Para obtener más información sobre los permisos en Fabric, consulte Roles y permisos de ciencia de datos.

Para acceder a la vista de linaje:

1. Seleccione el área de trabajo de Fabric y, a continuación, vaya a la lista de áreas de trabajo.

   

2. Cambie de la vista Lista del área de trabajo a la vista Linaje del área de trabajo.

   

3. También puede ir a vista linaje para un elemento específico abriendo el menú contextual y seleccionando para ver el linaje del área de trabajo o del elemento.

   

Contenido relacionado

• Obtenga información sobre los modelos de aprendizaje automático: modelos de Machine Learning
• Más información sobre los experimentos de aprendizaje automático: experimentos de Aprendizaje automático