Fabric'te Dağıtılmış Modellerle Toplu Tahminler

Eğitilmiş makine öğrenimi modellerinizi büyük, gerçek dünya veri kümelerine nasıl uygularsınız? Toplu tahminleri verimli bir şekilde oluşturmak, modern veri mühendisliği ve veri bilimi iş akışları için temel bir gerekliliktir. Bu kurs, dağıtılmış makine öğrenimi modellerini yükleme ve Fabric ekosistemi içinde toplu çıkarım çalıştırma sürecinde size rehberlik eder. Temel tahmine dayalı iş akışlarını anlamaktan, büyük ölçekli verileri kolaylıkla işleyen otomatik, yüksek performanslı tahmin işlem hatları kurmaya geçeceksiniz. Neler öğreneceksiniz: - Fabric'te toplu tahmin ve model dağıtımının temel kavramlarını anlayın - Kayıtlı makine öğrenimi modellerini çalışma alanı kayıt defterinden yükleyin - Ölçeklenebilir Spark ve Python iş akışlarını kullanarak modelleri büyük veri kümelerine uygulayın - Modern dataframe kütüphaneleri ve paralel işleme ile çıkarım performansını optimize edin - Tahmin çıktılarını aşağı akış tüketimi için lakehouse'lara veya veri ambarlarına geri yazın - Model tahmin kaymasını zaman içinde izlemek için temel MLOps izleme uygulamalarını uygulayın Temel makine öğrenimi dağıtım terminolojisini ve Fabric mimarisini öğrenerek başlayacaksınız. Buradan itibaren, modelleri nasıl yükleyeceğinizi, girdi verilerini nasıl hazırlayacağınızı ve tahmin sonuçlarını güvenli bir şekilde nasıl saklayacağınızı gösteren adım adım yazılı açıklamalar ve Python kod parçacıkları ile ilerleyeceksiniz. Bu kurs, makine öğrenimi modellerini operasyonel hale getirmek isteyen başlangıç seviyesindeki veri analistleri, gelecek vadeden veri bilimcileri ve veri mühendisleri için tasarlanmıştır. Fabric ile önceden deneyim gerekmemekle birlikte, Python'a temel aşinalık faydalı olacaktır. Bugün öğrenmeye başlayın ve veri işlem hatlarınızda otomatik toplu tahminlerin gücünü açığa çıkarın.