Original (English)

Azure Open Datasets explicado

dados públicos gratuitos e limpos para machine learning, Power BI e Python

Quem aprende ciência de dados ou machine learning costuma travar no mesmo ponto: faltam dados úteis para praticar, com formatos estranhos, colunas sem sentido e valores ausentes. Este episódio explica o Azure Open Datasets, uma biblioteca gratuita de conjuntos de dados públicos já limpos para você começar em minutos, e não em semanas.

▶ Azure Open Datasets explicado: dados públicos gratuitos e limpos para machine learning, Power BI e Python (Dublagem IA)

O que você vai aprender:

1. O que é o Azure Open Datasets: conjuntos de dados públicos da NOAA, do US Census Bureau e de prefeituras, limpos pela Microsoft e hospedados no Azure Storage no formato colunar Parquet
2. Os quatro problemas dos dados brutos – busca, preparação, volume e reprodutibilidade – e por que sinais externos como clima e feriados melhoram modelos de machine learning
3. O catálogo: clima da NOAA, feriados de 38 países, censo e estatísticas de trabalho dos EUA, corridas de táxi de NYC, segurança pública de San Francisco, COVID-19 Data Lake e benchmarks como Diabetes, MIND e vendas de suco de laranja
4. Como acessar: pacote Python sem conta Azure que retorna um DataFrame Pandas, Azure Machine Learning, o conector Azure Blob Storage do Power BI, SQL serverless do Azure Synapse com OPENROWSET e Spark no Azure Databricks
5. Quanto custa de verdade: os dados e o armazenamento são gratuitos; você paga computação, saída de dados (cerca de 8 a 9 centavos por GB) e seu próprio armazenamento – a dica principal: usar a mesma região

Este episódio é uma versão em português dublada com IA do vídeo animado do M365 Show, do Microsoft MVP Mirko Peters.