Použití kompletních ukázek AI v Microsoft Fabric
Poskytováním Datová Věda Synapse v prostředí Microsoft Fabric SaaS chceme odborníkům na strojové učení umožnit snadné a bezproblémové sestavování, nasazování a zprovoznění modelů strojového učení na jedné analytické platformě a zároveň spolupracovat s dalšími klíčovými rolemi. Tady se seznámíte s různými funkcemi, které nabízí prostředí Synapse Datová Věda, a příklady řešení běžných obchodních problémů v modelech ML.
Důležité
Microsoft Fabric je v současné době ve verzi PREVIEW. Tyto informace se týkají předběžné verze produktu, který může být před vydáním podstatně změněn. Společnost Microsoft neposkytuje na zde uvedené informace žádné záruky, vyjádřené ani předpokládané.
Doporučovací systém
Online knihkupectví se snaží zvýšit prodej poskytováním přizpůsobených doporučení. Pomocí dat hodnocení zákazníků v této ukázce uvidíte, jak vyčistit a prozkoumat data vedoucí k vývoji a nasazení doporučení k poskytování předpovědí.
Postupujte podle pokynů v kurzu Trénování modelu maloobchodního doporučení .
Odhalování podvodů
S rostoucím nárůstem počtu neautorizovaných transakcí bude zjišťování podvodů s platebními kartami v reálném čase podporovat finanční instituce v tom, aby svým zákazníkům poskytovaly rychlejší obratovou dobu při řešení. Tato kompletní ukázka bude zahrnovat předběžné zpracování, trénování, ukládání modelů a odvozování. Část školení se bude zabývat implementací několika modelů a metod, které řeší problémy, jako jsou nevyvážené příklady a kompromisy mezi falešně pozitivními a falešně negativními výsledky.
Postupujte podle pokynů v kurzu Detekce podvodů .
Prognózování
Na základě historických dat o prodeji nemovitostí v New Yorku a facebookového proroka v této ukázce vytvoříme model časové řady s trendem, sezónností a informacemi o svátčních obdobích, abychom mohli předpovídat, jak budou prodeje vypadat v budoucích cyklech.
Postupujte podle kurzu prognózování .
Klasifikace textu
V této ukázce na základě metadat knihy předpovídáme, jestli je kniha v Britské knihovně beletrie nebo non-fakt. Toho dosáhnete použitím klasifikace textu pomocí word2vec a modelu lineární regrese ve Sparku.
Postupujte podle pokynů v kurzu klasifikace textu .
Model povznesení
V této ukázce pomocí modelu zvýšení odhadujeme kauzální dopad určitých ošetření na chování jednotlivce. Krok za krokem vás provedeme vytvořením, trénováním a vyhodnocením modelu, který se dotýká čtyř základních učení:
- Modul pro zpracování dat: extrahuje vlastnosti, ošetření a popisky.
- Trénovací modul: cílem je předpovědět rozdíl mezi chováním jednotlivce, když probíhá léčba, a když se neléčí, pomocí klasického modelu strojového učení, jako je lightGBM.
- Prediktivní modul: Volá model povznášející k predikci na testovacích datech.
- Vyhodnocovací modul: Vyhodnocuje vliv modelu vzestupu na testovací data.
Postupujte podle pokynů v kurzu Kauzální dopad léčby na zdravotnictví .