Data Science und Modellverfolgung in Fabric

Moderne Data Science erfordert einen einheitlichen Arbeitsbereich, in dem Datenvorbereitung, Modelltraining und Experimentverfolgung nahtlos ablaufen. Dieser textbasierte Kurs führt Sie durch die grundlegenden Konzepte der Datenwissenschaft im Fabric-Ökosystem und bereitet Sie auf die Bewältigung von Analyseaufgaben in der Praxis vor. Sie werden von der Verwendung grundlegender Arbeitsbereichseinstellungen zum selbstsicheren Training von Machine-Learning-Modellen in interaktiven Notebooks übergehen. Mithilfe integrierter Tools lernen Sie, wie Sie Ihre Datensätze organisieren, Experimente ausführen und Modellleistungsmetriken systematisch verfolgen. Sie lernen: Die grundlegende Architektur von Fabric-Arbeitsbereichen für Data Science verstehen; Datensätze mit Notebooks und integrierten Datenstrukturen vorbereiten und untersuchen; Machine-Learning-Modelle mit gängigen Python-Bibliotheken in einer verwalteten Notebook-Umgebung trainieren; Modellparameter, Metriken und Artefakte mit MLflow-Integrationen verfolgen; Verwalten und vergleichen Sie verschiedene Machine-Learning-Experimente, um die leistungsstärksten Modelle zu identifizieren. Wenden Sie moderne MLOps-Best Practices für die Organisation und Versionierung Ihrer analytischen Assets an. Der Kurs beginnt mit der Kernterminologie und der Arbeitsbereichskonfiguration, bevor er sich der praktischen Datenexploration und dem Modelltraining widmet. Sie werden durch strukturierte Texterklärungen und praktische Codebeispiele vorankommen, die demonstrieren, wie Sie den gesamten Lebenszyklus des maschinellen Lernens verwalten können. Dieser Kurs richtet sich an angehende Datenwissenschaftler, Analysten und Entwickler, die Fabric ohne Vorkenntnisse in der Plattform erlernen möchten. Beginnen Sie noch heute mit dem Lesen, um Ihre Grundlagen in der modernen cloudbasierten Datenwissenschaft zu schaffen.