מחברות Microsoft Fabric לאימון AI

מודלים ישירות על נתוני Lakehouse – בלי כאוס של CSV

מודל לחיזוי נטישה שקורס אחרי 20 שעות על מחשב נייד בגלל מגבלת זיכרון אינו מקרה חריג – נתוני הארגון כבר גדלו מעבר לחומרה המקומית. הפרק מראה איך מחברות Microsoft Fabric מביאות את האימון אל נתוני ה-Lakehouse: בלי ייצוא, בלי כאוס של CSV, עם Python או R בענן.

▶ מחברות Microsoft Fabric לאימון AI: מודלים ישירות על נתוני Lakehouse – בלי כאוס של CSV (דיבוב AI)

מה תלמדו:

1. למה מחשבים מקומיים קורסים מול מערכי נתונים של טרה-בייטים (מעבד, זיכרון, קלט/פלט דיסק) ולמה דגימה מאבדת דפוסים חשובים
2. גישה ישירה ל-Lakehouse: Spark מריץ צירופים, סינונים וצבירות במקום שבו הנתונים נמצאים
3. הנדסת מאפיינים בקנה מידה: סטים רזים של מאפיינים, קרדינליות גבוהה ודפוסי זמן, Featuretools על Spark
4. בחירת מודל: XGBoost, LightGBM, רגרסיה לוגיסטית או למידה עמוקה – השוואת כמה הרצות על אותם נתונים
5. ניטור בזמן אמת, נקודות שמירה, ניהול גרסאות והערכה מבוזרת בלי שהנתונים יוצאים מה-Lakehouse

הפרק הזה הוא גרסה עברית בדיבוב AI של הסרטון המונפש מתוך M365 Show של Microsoft MVP מירקו פטרס.