Аналитика данных и машинное обучение в Fabric

Современным командам по обработке данных нужна единая среда для бесперебойного перехода от необработанных данных к готовым к производству моделям машинного обучения. Fabric предоставляет единую, сплоченную платформу, которая интегрирует рабочие процессы по обработке данных, науке о данных и искусственному интеллекту, не создавая проблем, связанных с управлением несколькими разрозненными сервисами. Этот курс поможет вам освоить основные понятия науки данных и развернуть модели машинного обучения непосредственно в Fabric. Вы узнаете, как вводить данные, выполнять исследовательский анализ, обучать модели и управлять жизненным циклом машинного обучения с помощью четких, пошаговых письменных объяснений и практических примеров кода. Что вы узнаете: - Понимание основных компонентов рабочего пространства Fabric для науки о данных - Написать и выполнить код Python в Fabric ноутбуках для очистки и подготовки данных - Обучение моделей машинного обучения с использованием популярных библиотек с открытым исходным кодом - Отслеживайте эксперименты и регистрируйте показатели модели с интеграцией MLflow - Регистрация и развертывание обученных моделей для пакетного и реального времени оценки - Применять современные методы обработки данных, включая интеграцию семантических ссылок и эффективные операции с рамками данных Курс начинается с основных определений и введения в экосистему Fabric, чтобы вы поняли интерфейс и архитектуру, прежде чем погрузиться в код. Затем вы пройдете весь жизненный цикл науки о данных, от первоначального изучения данных до развертывания и мониторинга модели. Этот текстовый курс предназначен для начинающих ученых, аналитиков и разработчиков, которые хотят использовать Fabric для машинного обучения. Не требуется предыдущего опыта работы с Fabric, хотя полезно знакомство с Python. Начните свой путь к унифицированному анализу данных и создавайте модели машинного обучения в Fabric уже сегодня.