Microsoft Fabric-notebooks voor AI-training

modellen direct op Lakehouse-data trainen, zonder CSV-chaos

Een churnmodel dat na 20 uur op een laptop vastloopt op het RAM-limiet is geen uitzondering: bedrijfsdata zijn lokale hardware allang ontgroeid. Deze aflevering laat zien hoe Microsoft Fabric-notebooks het trainen naar de Lakehouse-data brengen: geen exports, geen CSV-chaos, Python of R in de cloud.

▶ Microsoft Fabric-notebooks voor AI-training: modellen direct op Lakehouse-data trainen, zonder CSV-chaos (AI-nasynchronisatie)

Dit leer je:

1. Waarom lokale machines bij datasets van meerdere terabytes vastlopen op CPU, RAM en schijf-I/O – en sampling waardevolle patronen kost
2. Directe Lakehouse-toegang: Spark voert joins, filters en aggregaties uit waar de data staan
3. Feature engineering op schaal: slanke in plaats van opgeblazen featuresets, hoge kardinaliteit en tijdspatronen, Featuretools op Spark
4. Modelkeuze: XGBoost, LightGBM, logistische regressie of deep learning – meerdere runs op dezelfde data vergelijken
5. Realtime monitoring, checkpoints, versiebeheer en gedistribueerde evaluatie zonder dat data het Lakehouse verlaten

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