DP-604T00: Implementazione di una soluzione di data science e machine learning per l'intelligenza artificiale con Microsoft Fabric

Il corso DP-604T00: Implementazione di una Soluzione di Data Science e Machine Learning per AI con Microsoft Fabric insegna ai data scientist a costruire soluzioni ML in Microsoft Fabric. Questo corso di 8 ore copre notebook Fabric, esperimenti MLflow, addestramento modelli, AutoML e deployment modelli nell'ecosistema Fabric. Esamatic srl, Microsoft Learning Partner a Milano, eroga questo corso con Microsoft Certified Trainer.

• Notebook Fabric: esplorazione dati e feature engineering con PySpark e Python
• MLflow: tracciamento esperimenti, logging modelli e registro modelli
• Addestramento Modelli: scikit-learn, Spark ML e Fabric AutoML
• Deployment Modelli: predizioni batch, scoring real-time e funzione PREDICT

Panoramica del Corso DP-604T00

La data science in Microsoft Fabric fornisce un ambiente integrato per l'intero ciclo di vita ML, dall'esplorazione dati al deployment dei modelli, sfruttando gli stessi dati OneLake usati da data engineer e analisti.

Obiettivi Formativi

1. Esplorare e preparare i dati — usare notebook Fabric per esplorazione dati, visualizzazione e feature engineering
2. Addestrare modelli — costruire modelli ML con scikit-learn e Spark ML, tracciare esperimenti con MLflow
3. Usare AutoML — sfruttare l'ML automatizzato di Fabric per prototipazione e selezione rapida dei modelli
4. Distribuire e valutare modelli — registrare modelli, generare predizioni batch e usare la funzione PREDICT in SQL

A Chi e Rivolto

Il corso DP-604T00 e per data scientist e ML engineer che costruiscono soluzioni di machine learning in Microsoft Fabric. E richiesta esperienza con Python.

Domande Frequenti

Cos'e la data science in Microsoft Fabric?

La data science in Fabric fornisce notebook integrati, tracciamento esperimenti MLflow, AutoML e funzionalita di deployment modelli nella piattaforma unificata Fabric, consentendo ai data scientist di costruire e distribuire modelli usando lo stesso data lake che alimenta analytics e BI.