Khoa học dữ liệu và học máy trong Fabric

Các nhóm dữ liệu hiện đại cần một môi trường thống nhất để chuyển đổi một cách liền mạch từ dữ kiện thô sang mô hình học máy sẵn sàng sản xuất. Fabric cung cấp một nền tảng duy nhất, gắn kết tích hợp kỹ thuật dữ liệu, khoa học dữ kiện và các luồng công việc AI mà không có sự ma sát của việc quản lý nhiều dịch vụ không kết nối. Chương trình này hướng dẫn bạn từ các khái niệm cơ bản của khoa học dữ liệu để triển khai các mô hình học máy trực tiếp trong Fabric. Bạn sẽ học cách hấp thụ dữ liệu, thực hiện phân tích thám hiểm, huấn luyện mô hình và quản lý chu kỳ sống học máy thông qua các giải thích rõ ràng, từng bước và các ví dụ mã thực tế. Bạn sẽ học được: - Hiểu các thành phần cơ bản của không gian làm việc khoa học dữ liệu Fabric - Viết và thực hiện mã Python trong Fabric notebook để dọn dẹp và chuẩn bị dữ liệu - Luyện tập mô hình học máy bằng cách sử dụng thư viện mã nguồn mở phổ biến - Theo dõi thí nghiệm và ghi lại mô hình đo lường với tích hợp MLflow - Đăng ký và triển khai các mô hình huấn luyện cho đánh giá theo loạt và thời gian thực - Apply modern data workflows, including semantic link integration and efficient dataframe operations Chương trình bắt đầu với các định nghĩa cơ bản và giới thiệu về hệ sinh thái Fabric, đảm bảo bạn hiểu được giao diện và kiến trúc trước khi lặn vào mã. Sau đó bạn sẽ tiến hành qua toàn bộ chu kỳ khoa học dữ liệu, từ khám phá dữ kiện ban đầu đến triển khai và giám sát mô hình. Lớp học dựa trên văn bản này được thiết kế cho các nhà khoa học dữ liệu, nhà phân tích dữ kiện và nhà phát triển muốn tận dụng Fabric cho học máy. Không cần kinh nghiệm trước với Fabric, mặc dù một sự quen thuộc cơ bản với Python là hữu ích. Bắt đầu hành trình của bạn vào khoa học dữ liệu thống nhất và bắt đầu xây dựng mô hình học máy trong Fabric ngay hôm nay.