Пакетные предсказания с развернутыми моделями в структуре

Как применить ваши обученные модели машинного обучения к массивным наборам данных реального мира? Эффективное генерирование пакетных предсказаний является одним из основных требований для современных рабочих процессов по обработке и анализу данных.\n\nВ этом курсе вы пройдете через процесс загрузки развернутых моделей машинного обучения и выполнения пакетного вывода в экосистеме Fabric. Вы пройдете путь от понимания основных рабочих процессов предсказания до настройки автоматизированных высокопроизводительных конвейеров предсказать, которые легко обрабатывают крупномасштабные данные.\n\nЧто вы узнаете:\n- Понимание основных концепций пакетного предсказвания и развертывания моделей в Fabric\n- Загрузка зарегистрированных моделей машинного обучения из реестра рабочего пространства\n Применение моделей к большим наборам данных с использованием масштабируемых рабочих процессов Spark и Python\n- Оптимизация производительности вывода с помощью современных библиотек данных и параллельной обработки\n - Запись результатов предсказания обратно в хранилища или хранилищ данных для последующего использования\n время\n\nВ начале курса вы изучите основную терминологию развертывания машинного обучения и архитектуру Fabric. Далее вы пройдете пошаговые письменные объяснения и фрагменты кода Python, которые демонстрируют, как загружать модели, готовить входные данные и безопасно хранить результаты предсказания.\n\nЭтот курс предназначен для начинающих аналитиков данных, начинающих ученых данных и инженеров данных. Не требуется предыдущий опыт работы с Fabric, хотя полезно будет базовое знание Python.\n\nНачните обучение сегодня и раскройте мощь автоматизированных пакетных предсказаний в своих конвейерах данных.