Szkolenie rozwija praktyczne umiejętności wdrażania rozwiązań z obszaru data science i machine learning z użyciem Microsoft Fabric. Uczestnicy poznają pełny proces pracy z danymi – od zrozumienia i eksploracji zbiorów danych, przez ich przygotowanie i przekształcanie, aż po trenowanie, ocenę i śledzenie modeli uczenia maszynowego. Program koncentruje się na wykorzystaniu narzędzi Microsoft Fabric do realizacji pełnego procesu analizy danych i pracy z modelami w jednym środowisku.

W trakcie szkolenia omawiane są również praca z notebookami, Data Wrangler, MLflow oraz mechanizmy wdrażania modeli i generowania predykcji wsadowych. Uczestnicy uczą się przygotowywać dane do analizy, eksplorować ich strukturę, monitorować przebieg eksperymentów, zarządzać modelami oraz zapisywać wyniki predykcji z użyciem możliwości Microsoft Fabric. Szkolenie przygotowuje do pracy nad rozwiązaniami data science i machine learning w środowisku Microsoft Fabric.

W trakcie szkolenia:

• dowiesz się, jak realizować proces data science i machine learning w środowisku Microsoft Fabric;
• poznasz możliwości notebooków, Data Wrangler i MLflow w przygotowaniu danych oraz pracy z modelami;
• nauczysz się eksplorować dane, przygotowywać zbiory do analizy oraz trenować i oceniać modele uczenia maszynowego;
• zrozumiesz, jak śledzić eksperymenty, zarządzać modelami i wdrażać je do generowania predykcji;
• nauczysz się wykorzystywać Microsoft Fabric do budowy praktycznych rozwiązań analitycznych i modelowych.

Adresaci szkolenia:

• specjaliści danych i praktycy odpowiedzialni za budowanie, ocenę i wdrażanie rozwiązań data science oraz machine learning;
• Data Scientists, Analitycy danych i Inżynierowie danych pracujący z modelami uczenia maszynowego i analizą danych;
• osoby znające proces data science, Python i popularne frameworki open source do machine learning, które chcą rozwijać praktyczne umiejętności w Microsoft Fabric.

Wymagania wstępne:

• znajomość podstawowych pojęć i terminologii związanych z danymi, podstawowa znajomość Python oraz popularnych frameworków open source do machine learning, takich jak scikit-learn.