Zaawansowane narzędzia Data Science w Microsoft Fabric
kod szkolenia: Microsoft Fabric / PL DL 3d
Na naszym szkoleniu zapoznamy Cię z nową platformą analityczną Microsoft Fabric, szczególnie z tym, co oferuje Data Scientists. Nauczymy się oceniać jakość danych z użyciem biblioteki SynapseML oraz przygotowywać dane do modelowania za pomocą narzędzia Data wrangler. Będziemy monitorować przebieg eksperymentów z wykorzystaniem biblioteki MlFlow i rejestrować utworzone modele w Fabric.
Ponadto dowiemy się, jak korzystać z usług Cognitive Service, aby wzbogacić nasze rozwiązania o typowe umiejętności ludzkie, takie jak rozumienie tekstu, mowa czy rozpoznawanie obiektów.
Ważnym aspektem Data Science jest odpowiedzialność – modele predykcyjne mogą wprowadzać dyskryminację dla niektórych użytkowników lub po prostu gorzej działać dla pewnych grup obserwacji. Na szczęście narzędzia takie jak FairLearn pozwalają nam interpretować predykcje modeli i analizować ich błędy.
Po ukończeniu szkolenia uczestnicy będą potrafili korzystać z funkcjonalności Microsoft Fabric w projektach Data Science.
Znajomość Python. Znajomość algorytmów uczenia maszynowego (ukończenie szkolenia Uczenie maszynowe z użyciem graficznych narzędzi Azure Machine Learning Service).
Szkolenie adresowanie jest głównie do programistów.
Uwaga – Jeśli lasy losowe kojarzą Ci się z egzotycznymi wakacjami, a k-krotna walidacja krzyżowa z nieprzyjemnym zabiegiem ortopedycznym, to zachęcamy w pierwszej kolejności do udziału w szkoleniu "Azure Machine Learning Service dla analityków: Projektowanie i wdrażanie modeli ML bez kodowania ". W ramach tego kursu omawiane są poszczególne etapy projektów ML, popularne algorytmy uczenia maszynowego oraz metody oceny modeli predykcyjnych.
- Szkolenie: polski
- Materiały: angielski
* dostęp do portalu słuchacza Altkom Akademii
Metoda szkolenia:
Wykład + ćwiczenia
- Wprowadzanie do Microsoft Fabric
- Wprowadzenie do Azure Cognitive Services
- Projekty Data science na platformie Fabric
- Ocena danych z użyciem biblioteki SynapseML
- Przygotowanie danych do modelowania
- Logowanie eksperymentów z użyciem biblioteki MlFlow
- Rejestrowanie modeli
- Zapytania predykcyjne i wdrażanie modeli
- Przetwarzanie języka naturalnego z Cognitive Service
- Przetwarzanie mowy z Cognitive Services
- Analiza obrazów z Cognitive Services