Compute & Storage
Système de gestion de base de données relationnel, OLTP, OLAP, No-SQL, Datawarehouse, Data Lake, Big Data, Hadoop, Spark, Databricks, ...
Azure Data & AI services
Cognitive Services, IoT Hub, Event Hubs, Azure Stream Analytics, Azure Data Factory, Azure Data Catalog, Azure Cosmos DB, ...
Business intelligence & ML
Excel, SQL Server Reporting Services, Power BI, Azure Analysis Services, Azure Machine Learning, R, Python, Notebooks, ...
Un besoin récurrent que je rencontre chez mes clients : « Comment intégrer dans une application métier des rapports Power BI et garder une sécurité fine aux données ? ».
Problématique : Avec le temps, vos modèles PBIX sont de plus en plus gros dans votre serveur de rapports PBIRS, il devient urgent de superviser leurs tailles, leurs usages, leurs rafraichissements…
Dans cet article je vais m’attarder sur l’une de ces problématiques de monitoring à savoir la taille des modèles. Je présenterai par la même occasion quelque prérequis a la compréhension de l’article sur l’architecture sous-jacente du PBIRS et rappellerai quelques bonnes pratiques.
L’apprentissage automatique, également appelé Auto-ML, permet de simplifier la génération de modèles de Machine Learning. En construisant plusieurs versions de modèles et en comparant leurs qualités Azure Machine Learning service permet de choisir celui le plus adéquate pour une mise en production rapide.Dans cet article nous présenterons le service Auto-Machine Learning et nous verrons les avantages de son usage au sein des bases de données.
