Merk
Tilgang til denne siden krever autorisasjon. Du kan prøve å logge på eller endre kataloger.
Tilgang til denne siden krever autorisasjon. Du kan prøve å endre kataloger.
Semantisk kobling er en funksjon som lar deg etablere en forbindelse mellom semantiske modeller og Data Science i Microsoft Fabric. Bruk av semantisk lenke støttes kun i Microsoft Fabric.
For Fabric Runtime 1.2 (Spark 3.4) og nyere er semantic link tilgjengelig i standard runtime, og det er ikke nødvendig å installere det.
For å oppdatere til den nyeste versjonen av Semantic Link, kjør følgende kommando:
%pip install -U semantic-link
De primære målene for semantisk kobling er å:
- Forenkle datatilkobling.
- Aktiver overføring av semantisk informasjon.
- Integrer sømløst med etablerte verktøy som dataforskere bruker, som notatbøker.
Semantisk kobling hjelper deg med å bevare domenekunnskap om datasemantikk på en standardisert måte som kan øke hastigheten på dataanalyse og redusere feil.
Dataflyt for semantisk kobling
Dataflyten for semantisk kobling starter med semantiske modeller som inneholder data og semantisk informasjon. Semantisk kobling bygger bro mellom Power BI og Data Science-arbeidsbelastningen.
Ved å bruke semantisk lenke kan du bruke semantiske modeller fra Power BI i Data Science-arbeidsbelastningen for å utføre oppgaver som dyptgående statistisk analyse og prediktiv modellering ved hjelp av maskinlæringsteknikker. Du kan lagre utdataene fra datavitenskapsarbeidet ditt i OneLake ved å bruke Apache Spark, og importere den lagrede utdataene til Power BI ved å bruke Direct Lake.
Power BI-tilkobling
En semantisk modell fungerer som en enkelt tabulær objektmodell som gir pålitelige kilder for semantiske definisjoner som Power BI mål. Semantisk kobling kobles til semantiske modeller i følgende økosystemer, noe som gjør det enkelt for dataforskere å jobbe i systemet de er mest kjent med.
- Python pandas-økosystemet, gjennom biblioteket SemPy Python.
- Apache Spark-økosystemet, via Spark native connector. Denne implementeringen støtter ulike språk, inkludert PySpark, Spark SQL, R og Scala.
Programmer av semantisk informasjon
Semantisk informasjon i data inkluderer Power BI datakategorier som adresse og postnummer, relasjoner mellom tabeller og hierarkisk informasjon.
Disse datakategoriene består av metadata som semantisk lenke sprer seg inn i Data Science-miljøet for å muliggjøre nye opplevelser og opprettholde datalinjen.
Noen eksempler på programmer for semantisk kobling inkluderer:
- Intelligente forslag til innebygde semantiske funksjoner.
- Innovativ integrasjon for å supplere data med Power BI målinger, ved å bruke add-measures.
- Verktøy for validering av datakvalitet basert på relasjoner mellom tabeller og funksjonelle avhengigheter i tabeller.
Semantisk kobling er et kraftig verktøy som gjør det mulig for forretningsanalytikere å bruke data effektivt i et omfattende datavitenskapsmiljø.
Semantisk kobling legger til rette for sømløst samarbeid mellom dataforskere og forretningsanalytikere ved å eliminere behovet for å reimplementere forretningslogikk innebygd i Power BI målinger. Denne tilnærmingen sikrer at begge parter kan arbeide effektivt og produktivt, noe som maksimerer potensialet i deres datadrevne innsikt.
FabricDataFrame-datastruktur
FabricDataFrame er den primære datastrukturen som semantisk lenke bruker for å spre semantisk informasjon fra semantiske modeller inn i Data Science-miljøet.
Klassen FabricDataFrame :
- Støtter alle pandaoperasjoner.
- Pandas DataFrame underklasser og legger til metadata, som semantisk informasjon og linje.
- Eksponerer semantiske funksjoner og metoden add-measure som lar deg bruke Power BI mål i data science-arbeid.