A Fabric Data Science dokumentációja

Ismerje meg a Fabric Data Sciencet és a Fabric AI-élményét.

Tudnivalók az Adattudományról

Áttekintés

• Mi az az adatelemzés?

Oktatóanyag

• Data Science teljes körű útmutató

Copilot

Áttekintés

• Áttekintés
• Csevegővarázslások a jegyzetfüzetekben

Útmutató

• A Copilot csevegőpanel használata

Hálóadat-ügynök (előzetes verzió)

Áttekintés

• Mi az a Fabric-adatügynök (előzetes verzió)?

Első lépések

• Hálóadat-ügynök az Adventure Works-en keresztül
• Ismerkedés a Fabric-adatügynökökkel
• Adatügynök konfigurálása

Útmutató

• Hálóadat-ügynök bérlői beállításai
• Fabric-adatügynök használata a Copilot Studióban

Első lépések

Első lépések

• Bevezetés a Data Science oktatóanyagaiba
• Adatelemzési szerepkörök és engedélyek
• Gépi tanulási modellek
• AI-függvények
• Mi az a szemantikai hivatkozás?

Oktatóanyagok

Oktatóanyag

• A végpontok közötti AI-minták használata
• Idősor-előrejelzési modell betanítása és kiértékelése
• Változás-előrejelzési modell létrehozása, kiértékelése és pontszáma

Modell értékelése

Útmutató

• Modell pontozása a PREDICT használatával
• Valós idejű előrejelzések kiszolgálása

Adatok előkészítése

Útmutató

• Az adat-előkészítés felgyorsítása a Data Wranglerrel
• Adatok olvasása és írása a Pandas használatával

Modellek betanítása

Áttekintés

• A betanítás áttekintése

Útmutató

• Spark MLlib-kel történő betanítás
• Modellek betanítása a Scikit-learn használatával
• Modellek betanítása a PyTorch használatával

Modellek és kísérletek nyomon követése

Útmutató

• Gépi tanulási kísérletek
• Szövet automatikus naplózása

AI és SynapseML

Első lépések

• Az első SynapseML-modell
• A SynapseML másik verziójának telepítése

Útmutató

• Az OpenAI használata big data-adatokhoz a SynapseML-lel
• Az Öntödei eszközök használata a SynapseML-lel

Referenciadokumentumok

Referencia

• SemPy Python SDK