วิทยาการข้อมูลและการติดตามโมเดลใน Fabric

วิทยาการข้อมูลสมัยใหม่ต้องการพื้นที่ทำงานแบบรวมศูนย์ที่การเตรียมข้อมูล การฝึกสอนโมเดล และการติดตามการทดลองสามารถเกิดขึ้นได้อย่างราบรื่น หลักสูตรแบบอ่านนี้จะแนะนำคุณผ่านแนวคิดพื้นฐานของวิทยาการข้อมูลภายในระบบนิเวศของ Fabric เพื่อเตรียมความพร้อมให้คุณรับมือกับงานวิเคราะห์ในโลกแห่งความเป็นจริง คุณจะได้เปลี่ยนผ่านจากการทำความเข้าใจการตั้งค่าพื้นที่ทำงานพื้นฐานไปสู่การฝึกสอนโมเดล Machine Learning ในโน้ตบุ๊กแบบโต้ตอบได้อย่างมั่นใจ ด้วยการใช้เครื่องมือที่มีมาให้ในตัว คุณจะได้เรียนรู้วิธีการจัดระเบียบชุดข้อมูล การรันการทดลอง และการติดตามตัวชี้วัดประสิทธิภาพของโมเดลอย่างเป็นระบบ สิ่งที่คุณจะได้เรียนรู้: เข้าใจสถาปัตยกรรมพื้นฐานของพื้นที่ทำงาน Fabric สำหรับวิทยาการข้อมูล; เตรียมและสำรวจชุดข้อมูลโดยใช้โน้ตบุ๊กและโครงสร้างข้อมูลแบบบูรณาการ; ฝึกสอนโมเดล Machine Learning โดยใช้ไลบรารี Python ยอดนิยมภายในสภาพแวดล้อมโน้ตบุ๊กที่มีการจัดการ; ติดตามพารามิเตอร์ของโมเดล ตัวชี้วัด และอาร์ทิแฟกต์โดยใช้การบูรณาการของ MLflow; จัดการและเปรียบเทียบการทดลอง Machine Learning ต่างๆ เพื่อระบุโมเดลที่มีประสิทธิภาพดีที่สุด; ประยุกต์ใช้แนวปฏิบัติที่ดีที่สุดของ MLOps สมัยใหม่สำหรับการจัดระเบียบและกำหนดเวอร์ชันของสินทรัพย์ด้านการวิเคราะห์ของคุณ หลักสูตรนี้เริ่มต้นด้วยคำศัพท์หลักและการกำหนดค่าพื้นที่ทำงานก่อนที่จะเข้าสู่การสำรวจข้อมูลและการฝึกสอนโมเดลเชิงปฏิบัติ คุณจะก้าวหน้าผ่านคำอธิบายแบบข้อความที่มีโครงสร้างและตัวอย่างโค้ดที่ใช้งานได้จริง ซึ่งแสดงให้เห็นถึงวิธีการจัดการวงจรชีวิตของ Machine Learning ทั้งหมด หลักสูตรนี้ออกแบบมาสำหรับผู้ที่ต้องการเป็นนักวิทยาศาสตร์ข้อมูล นักวิเคราะห์ และนักพัฒนาที่ต้องการเรียนรู้ Fabric โดยไม่ต้องมีประสบการณ์ในแพลตฟอร์มมาก่อน เริ่มอ่านวันนี้เพื่อสร้างรากฐานของคุณในวิทยาการข้อมูลบนคลาวด์สมัยใหม่