Qu'est-ce que le lien sémantique ?

Le lien sémantique est une fonctionnalité qui permet d’établir un lien entre les modèles sémantiques et la Data Science dans Microsoft Fabric. L’utilisation d’un lien sémantique est prise en charge uniquement dans Microsoft Fabric.

• Pour Fabric Runtime 1.2 (Spark 3.4) et versions ultérieures, le lien sémantique est disponible dans le runtime par défaut et il n’est pas nécessaire de l’installer.

• Pour effectuer une mise à jour vers la dernière version du lien sémantique, exécutez la commande suivante :

  %pip install -U semantic-link
  

Les principaux objectifs du lien sémantique sont les suivants :

• Faciliter la connectivité des données.
• Permettre la propagation d’informations sémantiques.
• Intégrez sans effort aux outils établis utilisés par les scientifiques des données, tels que les notebooks.

Le lien sémantique vous aide à préserver les connaissances du domaine sur la sémantique des données d'une manière standardisée, ce qui peut accélérer l'analyse des données et réduire les erreurs.

Flux de données des liens sémantiques

Le flux de données de lien sémantique commence par les modèles sémantiques qui contiennent des données et des informations sémantiques. Le lien sémantique fait le lien entre Power BI et la charge de travail Data Science.

En utilisant le lien sémantique, vous pouvez utiliser des modèles sémantiques de Power BI dans la charge de travail Data Science pour réaliser des tâches telles que l’analyse statistique approfondie et la modélisation prédictive en utilisant des techniques d’apprentissage automatique. Vous pouvez stocker la sortie de votre travail de science des données dans OneLake à l’aide d’Apache Spark et ingérer la sortie stockée dans Power BI à l’aide de Direct Lake.

connectivité Power BI

Un modèle sémantique sert de modèle d'objet tabulaire qui fournit des sources fiables pour les définitions sémantiques telles que les mesures de Power BI. Un lien sémantique se connecte aux modèles sémantiques dans les écosystèmes suivants, ce qui facilite le travail des scientifiques des données dans le système avec lequel ils sont les plus familiers.

• Écosystème de pandas de Python, via la bibliothèque Python SemPy.
• Écosystème Apache Spark , via le connecteur natif Spark. Cette implémentation prend en charge différents langages, notamment PySpark, Spark SQL, R et Scala.

Applications d’informations sémantiques

Les informations sémantiques dans les données incluent des catégories Power BI data telles que l’adresse et le code postal, les relations entre les tables et les informations hiérarchiques.

Ces catégories de données comprennent des métadonnées dont le lien sémantique se propage dans l’environnement de la Data Science pour permettre de nouvelles expériences et maintenir la lignée des données.

Voici quelques exemples d'applications du lien sémantique :

• Suggestions intelligentes de fonctions sémantiques intégrées.
• Intégration innovante pour augmenter les données avec des mesures de Power BI, à l’aide de add-mesures.
• Outils de validation de la qualité des données en fonction des relations entre les tables et les dépendances fonctionnelles au sein des tables.

Le lien sémantique est un outil puissant qui permet aux analystes commerciaux d'utiliser efficacement les données dans un environnement complet de science des données.

Le lien sémantique facilite la collaboration transparente entre les scientifiques des données et les analystes d’entreprise en éliminant la nécessité de réexéminer la logique métier incorporée dans des mesures Power BI. Cette approche garantit que les deux parties peuvent travailler de manière efficace et productive, ce qui optimise le potentiel de leurs insights pilotés par les données.

Structure de données FabricDataFrame

FabricDataFrame est la principale structure de données utilisée par le lien sémantique pour propager l’information sémantique à partir de modèles sémantiques vers l’environnement de la science des données.

La classe FabricDataFrame :

• Prend en charge toutes les opérations Pandas.
• Sous-classe le DataFrame pandas et ajoute des métadonnées, telles que des informations sémantiques et la traçabilité.
• Expose les fonctions sémantiques et la méthode add-measure qui vous permet d’utiliser des mesures Power BI dans le travail de science des données.

Contenu connexe

• Explore la documentation de référence du package de liens sémantiques Python (SemPy)
• Tutoriel : Nettoyer les données avec des dépendances fonctionnelles
• connectivité Power BI avec lien sémantique et Microsoft Fabric
• Explorer et valider des données avec un lien sémantique
• Explorer et valider les relations dans des modèles sémantiques