Original (English)

Azure Open Datasets uitgelegd

gratis, opgeschoonde open data voor machine learning, Power BI en Python

Wie data science of machine learning leert, loopt vaak tegen hetzelfde aan: er ontbreekt bruikbare data om mee te oefenen, met vreemde formaten, onbegrijpelijke kolommen en ontbrekende waarden. Deze aflevering legt Azure Open Datasets uit: een gratis bibliotheek met al opgeschoonde openbare datasets waarmee je in minuten in plaats van weken aan de slag gaat.

▶ Azure Open Datasets uitgelegd: gratis, opgeschoonde open data voor machine learning, Power BI en Python (AI-nasynchronisatie)

Dit leer je:

1. Wat Azure Open Datasets is: openbare datasets van NOAA, het US Census Bureau en gemeenten, door Microsoft opgeschoond en opgeslagen in Azure Storage in het kolomgeoriënteerde Parquet-formaat
2. De vier problemen met ruwe data – zoeken, voorbereiden, omvang en reproduceerbaarheid – en waarom externe signalen zoals weer en feestdagen machine-learningmodellen verbeteren
3. De catalogus: NOAA-weerdata, feestdagen voor 38 landen, Amerikaanse census- en arbeidsmarktdata, taxiritten in NYC, openbare veiligheid in San Francisco, COVID-19 Data Lake en benchmarks zoals Diabetes, MIND en sinaasappelsapverkopen
4. Toegang: Python-pakket zonder Azure-account dat een Pandas-DataFrame oplevert, Azure Machine Learning, de Azure Blob Storage-connector in Power BI, serverless SQL in Azure Synapse met OPENROWSET en Spark in Azure Databricks
5. Wat het echt kost: data en opslag zijn gratis; je betaalt voor rekenkracht, uitgaand dataverkeer (ongeveer 8–9 cent per GB) en je eigen opslag – de belangrijkste tip: blijf in dezelfde regio

Deze aflevering is een met AI nagesynchroniseerde Nederlandse versie van de geanimeerde video uit de M365 Show van Microsoft MVP Mirko Peters.