Seminarkatalog

Dieser Kurs wurde entwickelt, um praktische Fähigkeiten bei der Implementierung von Data Science- und Machine Learning-Lösungen mithilfe von Microsoft Fabric zu entwickeln. Der Kurs untersucht den vollständigen End-to-End-Data Science-Prozess, vom Verstehen und Untersuchen von Daten bis hin zur Vorbereitung und Transformation von Datasets für die Analyse. Die Kursteilnehmer lernen, wie Sie Machine Learning-Modelle trainieren, bewerten und nachverfolgen sowie wie Sie diese Modelle bereitstellen und Vorhersagen mithilfe von Microsoft Fabric-Tools und -Funktionen generieren.

• Einleitung
• Entdecken Sie End-to-End-Analysen mit Microsoft Fabric
• Erkunden Sie Datenteams und Microsoft Fabric
• Aktivieren und Verwenden von Microsoft Fabric
• Modulbewertung
• Zusammenfassung

• Einführung
• Verstehen des Data Science-Prozesses
• Erkunden und Verarbeiten von Daten mit Microsoft Fabric
• Trainieren und Bewerten von Modellen mit Microsoft Fabric
• Übung – Erkunden von Data Science in Microsoft Fabric
• Modulbewertung
• Zusammenfassung

• Einleitung
• Erkunden von Notebooks
• Laden von Daten für die Erkundung
• Grundlegendes zur Datenverteilung
• Suchen nach fehlenden Daten in Notebooks
• Anwenden fortgeschrittener Techniken für die Datenuntersuchung
• Visualisieren von Diagrammen in Notizbüchern
• Übung: Verwenden des Notizbuchs für die Datensuche in Microsoft Fabric
• Modulbewertung
• Zusammenfassung

• Einleitung
• Grundlegendes zu Data Wrangler
• Durchführen der Datenerkundung
• Umgang mit fehlenden Daten
• Transformieren von Daten mit Operatoren
• Übung: Vorverarbeitung von Daten mit Data Wrangler in Microsoft Fabric
• Modulbewertung
• Zusammenfassung

• Einleitung
• Grundlegendes zum Trainieren von Machine Learning-Modellen
• Trainieren und Verfolgen von Modellen mit MLflow und Experimenten
• Verwalten von Modellen in Microsoft Fabric
• Übung – Trainieren und Nachverfolgen eines Modells in Microsoft Fabric
• Modulbewertung
• Zusammenfassung

• Einleitung
• Anpassen des Modellverhaltens für die Batchbewertung
• Vorbereiten von Daten vor dem Generieren von Vorhersagen
• Generieren und Speichern von Vorhersagen in einer Delta-Tabelle
• Übung – Generieren und Speichern von Batchvorhersagen
• Modulbewertung
• Zusammenfassung

Sie sollten mit grundlegenden Datenkonzepten und der zugehörigen Terminologie vertraut sein.

Dieser Kurs richtet sich an Datenprofis und Praktiker, die regelmäßig mit Machine Learning-Modellen arbeiten und für das Erstellen, Auswerten und Bereitstellen von Data Science-Lösungen verantwortlich sind. Die Studierenden sollten bereits mit dem Data Science-Prozess, Python und gängigen Open-Source-Frameworks für maschinelles Lernen wie scikit-learn vertraut sein.