Автоматизированное машинное обучение с Power BI
Автоматизированное машинное обучение (AutoML) меняет пространство аналитики, позволяя экспертам, не связанным с машинным обучением, разрабатывать и создавать модели машинного обучения. Благодаря внедрению AutoML в инструменты бизнес-аналитики, которые вы уже используете, такие как Power BI, пользователи получают более интегрированный опыт машинного обучения.
В наши дни передовые аналитические методы становятся все более распространенными при создании бизнес-решений. В частности, две области, машинное обучение и искусственный интеллект, стали важными в решении таких задач, как прогнозирование продаж, обнаружение мошенничества, оптимизация транспорта и бесчисленное множество других.
Теперь мы можем воспользоваться этими расширенными возможностями, не имея опыта машинного обучения. Автоматизированное машинное обучение, также известное как AutoML, – это технология, цель которой — сделать машинное обучение широко доступным. Этот инструмент предоставляет мощные функции машинного обучения и искусственного интеллекта для решения проблем, не требуя от специалиста по данным многолетнего опыта.
Удобство использования
AutoML интегрирован как в Microsoft Azure, так и в Power BI, что позволяет нам использовать эти передовые методы в уже знакомом нам программном обеспечении. Хотя использование AutoML в Azure обеспечивает большую гибкость для конечных пользователей, оно обычно привлекает более узкое подмножество пользователей в целом. Это связано с тем, что для этого требуется относительно опытный пользователь с авторизованным доступом к среде машинного обучения.
Однако интеграция Power BI AutoML намного более доступна для новых пользователей. Его среда без кода позволяет пользователям быстро создавать и обучать модели, а также создавать на их основе информационные панели в своей рабочей области Power BI.
Smartbridge является партнером Microsoft
Доступ к данным
Автоматизированное машинное обучение с Power BI предоставляет пользователям возможность создавать модели с использованием ваших наборов данных Power BI наряду с данными из других источников. Поскольку все данные в Power BI уже структурированы и обозначены в сертифицированной рабочей области, пользователю не требуется особых усилий для начала моделирования.
После создания моделей результаты могут быть возвращены в наборы данных и потоки данных Power BI, которые могут быть сертифицированы кураторами данных. Эта интеграция с Power BI не только упрощает разработку моделей, но и упрощает распространение результатов этих передовых методов. Другие могут подключаться к новым витринам данных, которые содержат идеи машинного обучения, даже не изучая AutoML.
Когда использовать
Поскольку эта интеграция AutoML была разработана для работы с Power BI, существуют некоторые ограничения функций, и важно понимать, как использовать Power BI AutoML, чтобы получить максимальную отдачу. AutoML в Power BI отлично справляется с решением четко определенных сценариев, а не с исследовательскими данными и неконтролируемой аналитикой. Это отличный способ начать работу с построением моделей и расширенной аналитикой.
Вычисления
Еще одна переменная, которую следует понимать, — это требуемые вычислительные ресурсы. Основное значение здесь заключается в том, что Power BI обрабатывает эти ресурсы автоматически, в отличие от AutoML в Azure, где выбор остается за конечным пользователем.
Для более сложной и индивидуальной модели может потребоваться большая вычислительная мощность, но для базовой модели этих вычислений более чем достаточно.
Заключение
Это лишь некоторые из тем и соображений, связанных с использованием AutoML в вашей среде Power BI. Хотя это введение в возможности AutoML может быть кратким, мы надеемся, что оно поможет вам начать использовать расширенную аналитику в повседневных бизнес-решениях.
Хотите узнать больше о данных и аналитике?
Получите больше информации и опыта на smartbridge.com/data
Первоначально опубликовано на https://smartbridge.com 29 марта 2022 г.
