การใช้งาน Data Science และ Machine Learning ด้วย Fabric

องค์กรสมัยใหม่จำเป็นต้องมีแพลตฟอร์มแบบรวมศูนย์เพื่อเปลี่ยนข้อมูลดิบให้เป็นการคาดการณ์ที่นำไปปฏิบัติได้จริง โดยปราศจากความซับซ้อนในการจัดการระบบที่กระจัดกระจาย Fabric มีสภาพแวดล้อมแบบครบวงจรที่ออกแบบมาเพื่อเพิ่มความคล่องตัวให้กับวงจรชีวิตทั้งหมดนี้ ตั้งแต่การนำเข้าข้อมูลไปจนถึงการปรับใช้โมเดล ในหลักสูตรแบบเน้นข้อความนี้ คุณจะได้เปลี่ยนผ่านจากการทำความเข้าใจสภาพแวดล้อม core data science ไปสู่การกำหนดค่าโซลูชัน machine learning ที่ใช้งานได้เต็มรูปแบบ คุณจะได้เรียนรู้วิธีการจัดระเบียบข้อมูล สำรวจชุดข้อมูล และติดตามการทดลองอย่างมีประสิทธิภาพโดยใช้เครื่องมือข้อมูลบนคลาวด์สมัยใหม่ หลักสูตรนี้เน้นความเข้าใจในทางปฏิบัติและการควบคุมแนวคิดของเวิร์กโฟลว์ข้อมูลแบบร่วมมือ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจสถาปัตยกรรมหลักของ Fabric รวมถึง workspace, lakehouse และ Delta tables - สำรวจและประมวลผลข้อมูลล่วงหน้าโดยใช้ Synapse notebook และ Spark - ฝึกฝนโมเดล machine learning และติดตามการทดลองโดยใช้ MLflow - ประยุกต์ใช้รูปแบบการผสานรวม AI สมัยใหม่ รวมถึงเวิร์กโฟลว์ generative AI พื้นฐาน - ปรับใช้และลงทะเบียนโมเดลเพื่อสร้างการคาดการณ์แบบแบตช์สำหรับ business intelligence หลักสูตรเริ่มต้นด้วยแนวคิดพื้นฐาน คำศัพท์สำคัญ และการตั้งค่าสภาพแวดล้อม ก่อนที่จะเข้าสู่การสำรวจข้อมูล การฝึกฝนโมเดล และกลยุทธ์การปรับใช้ คุณจะได้เรียนรู้ผ่านคำอธิบายที่เป็นลายลักษณ์อักษรที่ชัดเจนและชุดโค้ดที่มีโครงสร้างซึ่งออกแบบมาสำหรับการอ่านตามความเร็วของตนเอง หลักสูตรนี้ออกแบบมาสำหรับผู้ที่ต้องการเป็น data scientist, data analyst และ developer ที่ต้องการเปลี่ยนผ่านไปสู่เวิร์กโฟลว์ AI สมัยใหม่ ไม่จำเป็นต้องมีประสบการณ์กับ Fabric มาก่อน แม้ว่าการมีความเข้าใจพื้นฐานเกี่ยวกับ Python จะมีประโยชน์ เริ่มอ่านวันนี้เพื่อปลดล็อกศักยภาพของ collaborative data science