เอกสารประกอบวิทยาศาสตร์ข้อมูลใน Microsoft Fabric

เรียนรู้เพิ่มเติมเกี่ยวกับประสบการณ์ด้านวิทยาศาสตร์ข้อมูลใน Microsoft Fabric

เกี่ยวกับวิทยาศาสตร์ข้อมูล

ภาพรวม

• วิทยาศาสตร์ข้อมูลคืออะไร

เริ่มต้นใช้งาน

เริ่มต้นใช้งาน

• บทนําสู่บทช่วยสอนวิทยาศาสตร์ข้อมูล
• บทบาทและสิทธิ์ทางวิทยาศาสตร์ข้อมูล
• แบบจําลองการเรียนรู้ของเครื่อง

บทช่วยสอน

บทช่วยสอน

• วิธีใช้ตัวอย่าง AI แบบ end-to-end
• คําแนะนําการค้าปลีก
• การตรวจจับการฉ้อโกง
• การคาดการณ์
• ค้นหาความสัมพันธ์ในแบบจําลองความหมายโดยใช้ลิงก์ความหมาย (ตัวอย่าง)
• วิเคราะห์การขึ้นต่อกันของฟังก์ชันการทํางานในแบบจําลองความหมายโดยใช้ลิงก์ความหมาย (ตัวอย่าง)

การเตรียมข้อมูล

วิธีแนะนำ

• วิธีการเร่งการเตรียมข้อมูลด้วย Data Wrangler
• วิธีการอ่านและเขียนข้อมูลด้วย Pandas

แบบจําลองการฝึกอบรม

ภาพรวม

• ภาพรวมการฝึกอบรม

วิธีแนะนำ

• ฝึกด้วย Spark MLlib
• ฝึกแบบจําลองด้วย Scikit-learn
• ฝึกแบบจําลองด้วย PyTorch

การติดตามแบบจําลองและการทดลอง

วิธีแนะนำ

• การทดลองการเรียนรู้ของเครื่อง
• การล็อกผ้าโดยอัตโนมัติ

การใช้ SynapseML

เริ่มต้นใช้งาน

• แบบจําลอง SynapseML แรกของคุณ
• ติดตั้ง SynapseML เวอร์ชันอื่น

วิธีแนะนำ

• ใช้ OpenAI สําหรับข้อมูลขนาดใหญ่ที่มี SynapseML
• ใช้ Cognitive Services กับ SynapseML
• การเรียนรู้อย่างลึกซึงกับ ONNX และ SynapseML
• ดําเนินการตรวจหาความผิดปกติแบบหลากหลายด้วย SynapseML
• ปรับแต่ง hyperperameters ด้วย SynapseML

การใช้ R

ภาพรวม

• ภาพรวม R

วิธีแนะนำ

• วิธีใช้ SparkR
• วิธีใช้ Sparklyr
• การจัดการไลบรารี R
• การแสดงภาพ R

เอกสารอ้างอิง

การอ้างอิง

• SemPy Python SDK

การใช้ลิงก์ความหมาย (ตัวอย่าง)

ภาพรวม

• ลิงก์ความหมาย (ตัวอย่าง) คืออะไร

วิธีแนะนำ

• อ่านจาก Power BI และเขียนข้อมูลที่สามารถใช้งานโดย Power BI
• ตรวจหา สํารวจ และตรวจสอบการขึ้นต่อกันของการทํางานในข้อมูลของคุณ
• สํารวจและตรวจสอบความสัมพันธ์ในแบบจําลองความหมาย