Data Science und Machine Learning in Fabric

Moderne Datenteams benötigen eine einheitliche Umgebung, um nahtlos von Rohdaten zu produktionsfähigen Machine-Learning-Modellen zu wechseln. Fabric bietet eine einzige, zusammenhängende Plattform, die Data Engineering, Data Science und KI-Workflows integriert, ohne dass die Verwaltung mehrerer nicht miteinander verbundener Services erforderlich ist. Dieser Kurs führt Sie von den grundlegenden Konzepten der Datenwissenschaft bis hin zur Bereitstellung von Machine-Learning-Modellen direkt in Fabric. Sie lernen, wie Sie Daten aufnehmen, explorative Analysen durchführen, Modelle trainieren und den Lebenszyklus des maschinellen Lernens durch klare, schrittweise schriftliche Erklärungen und praktische Codebeispiele verwalten. Was Sie lernen werden: - Verstehen Sie die grundlegenden Komponenten des Fabric Data Science-Arbeitsbereichs - Schreiben und Ausführen von Python-Code in Fabric-Notebooks zum Bereinigen und Vorbereiten von Daten - Trainieren Sie Machine-Learning-Modelle mit beliebten Open-Source-Bibliotheken - Verfolgen Sie Experimente und protokollieren Sie Modellmetriken mit MLflow-Integration - Registrieren und Bereitstellen trainierter Modelle für Batch- und Echtzeit-Scoring - Wenden Sie moderne Datenworkflows an, einschließlich semantischer Link-Integration und effizienter Dataframe-Vorgänge Der Kurs beginnt mit grundlegenden Definitionen und einer Einführung in das Fabric-Ökosystem, um sicherzustellen, dass Sie die Schnittstelle und Architektur verstehen, bevor Sie in den Code eintauchen. Sie werden dann den gesamten Data Science-Lebenszyklus durchlaufen, von der ersten Datenexploration bis hin zur Modellbereitstellung und -überwachung. Dieser textbasierte Kurs richtet sich an angehende Data Scientists, Datenanalysten und Entwickler, die Fabric für maschinelles Lernen nutzen möchten. Es sind keine Vorkenntnisse mit Fabric erforderlich, aber eine grundlegende Vertrautheit mit Python ist hilfreich. Beginnen Sie Ihre Reise in die Unified Data Science und bauen Sie noch heute Machine-Learning-Modelle in Fabric auf.