Microsoft Fabric Data-Science: 4 hour workshop

Il workshop destinato a tutte quelle figure aziendali che si occupano di gestire e analizzare i dati: Data Science e Data Analyst e Data Engineers.

Il workshop è strutturato in 1 sessione che copre le fasi di progettazione e implementazione dei workload analitici AI • Introduzione • Notebook • Environment • Preparazione dei dati • Training, validazione e test • MLflow • Esperimenti • Modelli • Servizi Azure

La sessione di 4h prevede le seguenti fasi

1. Consulenza frontale: lo specialista Fabric spiegherà le basi teoriche e pratiche con slides a supporto
2. Demo: lo specialista Fabric presenterà dal punto di vista pratico quanto illustrato al pto.1 servendosi di sorgenti dati di esempio.
3. Laboratorio: i partecipanti al workshop testeranno insieme allo specialista Fabric quanto presentato ai punti 1 e 2 su ambienti forniti da Var Group e sorgenti dati di esempio.

Sessione 1 • Introduzione: una panoramica di Microsoft Fabric e il suo impatto sulla Data Science. • Notebook: l’utilizzo dei notebook per l’analisi e la visualizzazione dei dati. • Environment: un’approfondimento sull’ambiente di sviluppo per la Data Science. • Preparazione dei dati • Spark e Pandas: le tecniche di manipolazione e pulizia dei dati con Spark e Pandas. • Data Wrangler: un’approfondimento sullo strumento per un data wrangling efficace. • Training, Validazione e Test: l’approfondimento sulle metodologie per il training, la validazione e il testing dei modelli di machine learning. • Mlflow: la gestione del ciclo di vita dei modelli ML con MLflow. • Esperimenti: documentazione e analisi degli esperimenti di machine learning. • Modelli • Algoritmi: overview degli algoritmi ML • Iperparametri: ottimizzazione degli iperparametri per migliorare le prestazioni dei modelli. • Metriche di Valutazione: metriche chiave per la valutazione dei modelli di machine learning. • PREDICT: approfondimento del modello per le previsioni. • Servizi Azure: integrazione con i servizi Azure AI per potenziare le soluzioni di Data Science.