Ciência de dados e rastreamento de modelos no Fabric

A ciência de dados moderna requer um espaço de trabalho unificado onde a preparação de dados, o treinamento de modelos e o rastreamento de experimentos aconteçam de forma contínua. Este curso baseado em texto orienta você através dos conceitos fundamentais da ciência de dados dentro do ecossistema Fabric, preparando você para lidar com tarefas analíticas do mundo real. Você passará de entender as configurações básicas do espaço de trabalho para treinar com confiança modelos de machine learning em notebooks interativos. Ao aproveitar as ferramentas integradas, você aprenderá a organizar seus conjuntos de dados, executar experimentos e acompanhar sistematicamente as métricas de desempenho do modelo. O que você aprenderá: Entenda a arquitetura fundamental dos espaços de trabalho Fabric para ciência de dados; Prepare e explore conjuntos de dados usando notebooks e estruturas de dado integradas; Treine modelos de machine learning usando bibliotecas Python populares dentro de um ambiente de notebook gerenciado; Acompanhe parâmetros, métricas e artefatos de modelo usando integrações MLflow; Gerencie e compare diferentes experimentos de machine learning para identificar os modelos de melhor desempenho; Aplique as melhores práticas de MLOps modernos para organizar e controlar versões de seus ativos analíticos. O curso começa com a terminologia básica e a configuração do espaço de trabalho antes de passar para a exploração de dados e o treinamento de modelos. Você progredirá através de explicações de texto estruturado e exemplos de código práticos que demonstram como gerenciar todo o ciclo de vida do machine learning. Este curso é projetado para aspirantes a cientistas de dados, analistas e desenvolvedores que desejam aprender Fabric sem experiência prévia na plataforma. Comece a ler hoje para construir sua base na ciência de dados moderna baseada em nuvem.