Derivazione per modelli ed esperimenti
Nei moderni progetti di business intelligence (BI) una delle possibili problematiche da affrontare è la necessità di conoscere il flusso dei dati dall'origine dati alla destinazione. La sfida è ancora più grande se sono stati creati progetti analitici avanzati che si estendono su più origini dati, elementi e dipendenze. Domande come "Cosa accade se si modificano questi dati?" o "Perché non è aggiornato questo report?" può essere difficile da rispondere. Potrebbero richiedere un team di esperti o indagini approfondite per comprendere. La visualizzazione derivazione Fabric consente di rispondere a queste domande.
Importante
Microsoft Fabric è in anteprima.
Derivazione e Machine Learning
Esistono diversi motivi per cui la derivazione è importante nel flusso di lavoro di Machine Learning:
- Riproducibilità: conoscere la derivazione di un modello semplifica la riproduzione del modello e i risultati. Se un altro utente vuole replicare il modello, può seguire la stessa procedura usata per crearla e usare gli stessi dati e parametri.
- Trasparenza: comprendere la derivazione di un modello consente di aumentare la trasparenza. Ciò significa che gli stakeholder, ad esempio i regolatori o gli utenti, possono comprendere come è stato creato il modello e come funziona. Ciò può essere importante per garantire l'equità, la responsabilità e le considerazioni etiche.
- Debug: se un modello non viene eseguito come previsto, la sua derivazione può aiutare a identificare l'origine del problema. Esaminando i dati di training, i parametri e le decisioni effettuate durante il processo di training, è possibile identificare i problemi che influiscono sulle prestazioni del modello.
- Miglioramento: conoscere la derivazione di un modello può anche aiutare a migliorarlo. Comprendendo come è stato creato e sottoposto a training il modello, è possibile apportare modifiche ai dati, ai parametri o al processo di training che possono migliorare l'accuratezza del modello o altre metriche delle prestazioni.
Tipi di elementi di data science
In Infrastruttura, i modelli e gli esperimenti di Machine Learning sono integrati in una piattaforma unificata. Come parte di questa operazione, gli utenti possono esplorare la relazione tra gli elementi di Fabric Data Science e altri elementi di Fabric.
Modelli di Machine Learning
In Infrastruttura gli utenti possono creare e gestire modelli di Machine Learning. Un elemento del modello di Machine Learning rappresenta un elenco con versioni dei modelli, consentendo all'utente di esplorare le varie iterazioni del modello.
Nella visualizzazione di derivazione gli utenti possono esplorare la relazione tra un modello di Machine Learning e altri elementi di Fabric per rispondere alle domande seguenti:
- Qual è la relazione tra i modelli di Machine Learning e gli esperimenti all'interno dell'area di lavoro?
- Quali modelli di Machine Learning esistono nell'area di lavoro?
- Come è possibile tracciare la derivazione per vedere quali elementi lakehouse sono stati correlati a questo modello?
Esperimenti di Machine Learning
Un esperimento di Machine Learning è l'unità primaria dell'organizzazione e il controllo per tutte le esecuzioni di Machine Learning correlate.
Nella visualizzazione di derivazione gli utenti possono esplorare la relazione tra un esperimento di Machine Learning e altri elementi di Fabric per rispondere alle domande seguenti:
- Qual è la relazione tra esperimenti di Machine Learning e elementi di codice (ad esempio notebook e definizioni di processi Spark) all'interno dell'area di lavoro?
- Quali esperimenti di Machine Learning esistono nell'area di lavoro?
- Come è possibile tracciare la derivazione per vedere quali elementi lakehouse sono stati correlati a questo esperimento?
Esplorare la visualizzazione di derivazione
Ogni area di lavoro fabric dispone automaticamente di una visualizzazione di derivazione predefinita. Per accedere a questa visualizzazione, è necessario avere almeno il ruolo Collaboratore all'interno dell'area di lavoro. Per altre informazioni sulle autorizzazioni in Fabric, è possibile visitare la documentazione relativa alle autorizzazioni per i modelli e gli esperimenti.
Per accedere alla visualizzazione di derivazione:
Selezionare l'area di lavoro Fabric e quindi passare all'elenco delle aree di lavoro.
Passare dalla visualizzazione Elenco dell'area di lavoro alla visualizzazione Lineage dell'area di lavoro.
È anche possibile passare alla visualizzazione Lineage per un elemento specifico aprendo le azioni correlate.
Passaggi successivi
- Informazioni sui modelli di Machine Learning: Modelli di Machine Learning
- Informazioni sugli esperimenti di Machine Learning: Esperimenti di Machine Learning