Notatniki Microsoft Fabric do trenowania AI

modele bezpośrednio na danych Lakehouse, bez chaosu z CSV

Model przewidywania odejść klientów, który po 20 godzinach na laptopie pada przez limit RAM, to nie wyjątek – dane firmowe dawno przerosły lokalny sprzęt. Ten odcinek pokazuje, jak notatniki Microsoft Fabric przenoszą trenowanie do danych w Lakehouse: bez eksportów, bez chaosu z CSV, w Pythonie lub R w chmurze.

▶ Notatniki Microsoft Fabric do trenowania AI: modele bezpośrednio na danych Lakehouse, bez chaosu z CSV (Dubbing AI)

Czego się dowiesz:

1. Dlaczego lokalne komputery nie radzą sobie z wieloterabajtowymi zbiorami (CPU, RAM, I/O dysku) i dlaczego próbkowanie gubi cenne wzorce
2. Bezpośredni dostęp do Lakehouse: Spark wykonuje złączenia, filtry i agregacje tam, gdzie leżą dane
3. Inżynieria cech na dużą skalę: smukłe zestawy cech, wysoka kardynalność i wzorce czasowe, Featuretools na Sparku
4. Wybór modelu: XGBoost, LightGBM, regresja logistyczna lub deep learning – porównanie wielu przebiegów na tych samych danych
5. Monitorowanie w czasie rzeczywistym, punkty kontrolne, wersjonowanie i rozproszona ewaluacja bez opuszczania Lakehouse przez dane

Ten odcinek to polska wersja z dubbingiem AI animowanego wideo z M365 Show prowadzonego przez Microsoft MVP Mirko Petersa.