Dokumentácia k dátovej vede v službe Microsoft Fabric

Ďalšie informácie o skúsenostiach z dátovej vedy v službe Microsoft Fabric

Informácie o dátovej vede

Prehľad

• Čo je Dátová veda?

Začíname

Začať

• Úvodné informácie o kurzoch dátovej vedy
• Roly a povolenia dátovej vedy
• Modely strojového učenia

Kurzy

Kurz

• Ako používať komplexné ukážky AI
• Odporúčanie maloobchodu
• Zisťovanie podvodov
• Prognostika
• Zisťovanie vzťahov v sémantickom modeli pomocou sémantického prepojenia (Preview)
• Analýza funkčných závislostí v sémantickom modeli pomocou sémantického prepojenia (Preview)

Príprava údajov

Podrobný sprievodca

• Ako zrýchliť prípravu údajov pomocou služby Data Wrangler
• Ako čítať a zapisovať údaje pomocou Pandy

Modely školení

Prehľad

• Prehľad školenia

Podrobný sprievodca

• Trénovať so službou Spark MLlib
• Trénovanie modelov pomocou nástroja Scikit-learn
• Trénovanie modelov pomocou PyTorchu

Sledovanie modelov a experimentov

Podrobný sprievodca

• Experimenty strojového učenia
• Automatické označovanie služby Fabric

Používanie synapseML

Začať

• Váš prvý model SynapseML
• Inštalácia inej verzie synapseML

Podrobný sprievodca

• Použitie knižnice OpenAI na veľké objemy údajov so synapseML
• Použitie služieb Cognitive Services so SynapseML
• Hĺbkové učenie pomocou protokolov ONNX a SynapseML
• Vykonanie multivariatovej detekcie anomálií pomocou synapseML
• Nalaďte hyperperametre pomocou synapseML

Používanie jazyka R

Prehľad

• Prehľad R

Podrobný sprievodca

• Používanie služby SparkR
• Ako používať sparklyr
• Správa knižnice R
• Vizualizácia R

Referenčné dokumenty

Referencia

• SemPy Python SDK

Použitie sémantického prepojenia (Preview)

Prehľad

• Čo je sémantické prepojenie (ukážka)?

Podrobný sprievodca

• Čítať zo služby Power BI a zapisovať údaje, ktoré je možné spotrebovať pomocou služby Power BI
• Zisťovanie, skúmanie a overovanie funkčných závislostí v údajoch
• Preskúmanie a overenie vzťahov v sémantických modeloch