Microsoft Implement a data science and machine learning solution for AI with Microsoft Fabric
Dieser Kurs vermittelt Ihnen praxisnahe Schritte für Data Science mit Microsoft Fabric: Sie erkunden, bereiten und transformieren Daten, trainieren, bewerten und verfolgen Machine-Learning-Modelle. Zudem stellen Sie Modelle bereit und erzeugen Batchvorhersagen in Microsoft Fabric.
Unser Angebot richtet sich ausschließlich an Unternehmer (§ 14 BGB), Gewerbetreibende, Freiberufler sowie öffentliche Auftraggeber. Kein Verkauf an Verbraucher (§ 13 BGB). Alle Preisangaben werden sorgfältig gepflegt. Preisirrtümer und technische Darstellungsfehler können jedoch nicht vollständig ausgeschlossen werden.
Kursdetails & Termine
Kursbeschreibung
Dieser Kurs wurde entwickelt, um praktische Fähigkeiten bei der Implementierung von Data Science- und Machine Learning-Lösungen mithilfe von Microsoft Fabric zu entwickeln. Der Kurs untersucht den vollständigen End-to-End-Data Science-Prozess, vom Verstehen und Untersuchen von Daten bis hin zur Vorbereitung und Transformation von Datasets für die Analyse. Die Kursteilnehmer lernen, wie Sie Machine Learning-Modelle trainieren, bewerten und nachverfolgen sowie wie Sie diese Modelle bereitstellen und Vorhersagen mithilfe von Microsoft Fabric-Tools und -Funktionen generieren.
Seminarinhalte
Einführung in End-to-End-Analysen mithilfe von Microsoft Fabric
- Einleitung
- Entdecken Sie End-to-End-Analysen mit Microsoft Fabric
- Erkunden Sie Datenteams und Microsoft Fabric
- Aktivieren und Verwenden von Microsoft Fabric
- Modulbewertung
- Zusammenfassung
Erste Schritte mit Data Science in Microsoft Fabric
- Einführung
- Verstehen des Data Science-Prozesses
- Erkunden und Verarbeiten von Daten mit Microsoft Fabric
- Trainieren und Bewerten von Modellen mit Microsoft Fabric
- Übung – Erkunden von Data Science in Microsoft Fabric
- Modulbewertung
- Zusammenfassung
Erkunden von Daten für Data Science mit Notebooks in Microsoft Fabric
- Einleitung
- Erkunden von Notebooks
- Laden von Daten für die Erkundung
- Grundlegendes zur Datenverteilung
- Suchen nach fehlenden Daten in Notebooks
- Anwenden fortgeschrittener Techniken für die Datenuntersuchung
- Visualisieren von Diagrammen in Notizbüchern
- Übung: Verwenden des Notizbuchs für die Datensuche in Microsoft Fabric
- Modulbewertung
- Zusammenfassung
Vorverarbeiten von Daten mit Data Wrangler in Microsoft Fabric
- Einleitung
- Grundlegendes zu Data Wrangler
- Durchführen der Datenerkundung
- Umgang mit fehlenden Daten
- Transformieren von Daten mit Operatoren
- Übung: Vorverarbeitung von Daten mit Data Wrangler in Microsoft Fabric
- Modulbewertung
- Zusammenfassung
Trainieren und Nachverfolgen von Machine Learning-Modellen mit MLflow in Microsoft Fabric
- Einleitung
- Grundlegendes zum Trainieren von Machine Learning-Modellen
- Trainieren und Verfolgen von Modellen mit MLflow und Experimenten
- Verwalten von Modellen in Microsoft Fabric
- Übung – Trainieren und Nachverfolgen eines Modells in Microsoft Fabric
- Modulbewertung
- Zusammenfassung
Generieren von Batchvorhersagen mithilfe eines bereitgestellten Modells in Microsoft Fabric
- Einleitung
- Anpassen des Modellverhaltens für die Batchbewertung
- Vorbereiten von Daten vor dem Generieren von Vorhersagen
- Generieren und Speichern von Vorhersagen in einer Delta-Tabellen
- Übung – Generieren und Speichern von Batchvorhersagen
- Modulbewertung
- Zusammenfassung
Zielgruppe
Dieser Kurs richtet sich an Datenprofis und Praktiker, die regelmäßig mit Machine Learning-Modellen arbeiten und für das Erstellen, Auswerten und Bereitstellen von Data Science-Lösungen verantwortlich sind. Die Studierenden sollten bereits mit dem Data Science-Prozess, Python und gängigen Open-Source-Frameworks für maschinelles Lernen wie scikit-learn vertraut sein.
Voraussetzungen
Sie sollten mit grundlegenden Datenkonzepten und der zugehörigen Terminologie vertraut sein.
Lernziele
Firmenseminar anfragen
Fragen Sie diesen Kurs für Ihr Team oder Unternehmen an. Wir prüfen passende Termine, Formate und individuelle Anforderungen und melden uns persönlich mit einem Vorschlag.
Termine & Buchung
Terminfilter
Verfügbare Termine
Kursdetails & Termine
Termine & Buchung
Terminfilter
Verfügbare Termine
Kursbewertungen
Wir sind persönlich für Sie da
Nicht jeder Kurs passt sofort auf Anhieb. Wir helfen Ihnen dabei, aus Themen, Formaten und Anforderungen die passende Lösung zu finden – persönlich, praxisnah und mit Blick auf Ihren tatsächlichen Bedarf.
Nicole Mühlbauer
Planen Sie einen Kurs oder Seminar und möchten sich vorab informieren?
Alison Kreis
Haben Sie bereits einen Kurs gebucht und noch Fragen zum Ablauf vor Ort oder Online?
Anouk Mendoza
Haben Sie Fragen zu einer Raumvermietung oder unseren Räumlichkeiten vor Ort?
Fragen & Antworten
Hier beantworten wir die häufigsten Fragen zu unseren Kursen, Abläufen und Formaten. Sollten Sie weitere Fragen haben, unterstützen wir Sie gerne persönlich.
Microsoft Implement a data science and machine learning solution for AI with Microsoft Fabric im Überblick
Data Science mit Microsoft Fabric steht in diesem Kurs für einen durchgängigen Arbeitsprozess: Sie verbinden Datenuntersuchung, Aufbereitung und Modellarbeit zu einer Data-Science-Lösung. Damit eignet sich das Angebot für Personen, die Machine-Learning-Modelle in Microsoft Fabric systematisch umsetzen möchten.
Ein Schwerpunkt liegt auf der praktischen Arbeit mit Notebooks, Data Wrangler und MLflow. Sie untersuchen Datenverteilungen und fehlende Werte, transformieren Daten mit Operatoren und trainieren sowie verfolgen Modelle anhand von Experimenten. Anschließend wird die Bereitstellung für Batchvorhersagen bis zur Speicherung in Delta-Tabellen behandelt.
Der Kurs richtet sich an Datenprofis und Praktiker, die mit Machine-Learning-Modellen arbeiten und Data-Science-Lösungen erstellen, auswerten oder bereitstellen. Vorausgesetzt werden grundlegende Datenkonzepte; hilfreich sind zudem Kenntnisse des Data-Science-Prozesses, von Python und gängigen Open-Source-Frameworks wie scikit-learn. Ergänzend finden Sie passende Kurse zu Datenanalyse & BI.
Rezensionen
Es gibt noch keine Rezensionen.