Un modèle d’attrition qui échoue après 20 heures sur un portable faute de RAM n’a rien d’exceptionnel : les données métier ont dépassé le matériel local. Cet épisode montre comment les notebooks Microsoft Fabric amènent l’entraînement au plus près des données du Lakehouse : sans exports, sans chaos CSV, en Python ou R dans le cloud.Au programme :Pourquoi les machines locales cèdent face aux jeux de données de plusieurs téraoctets (CPU, RAM, E/S disque) et pourquoi l’échantillonnage fait perdre des motifs utilesAccès direct au Lakehouse : Spark exécute jointures, filtres et agrégations là où se trouvent les donnéesFeature engineering à grande échelle : jeux de variables allégés, forte cardinalité et motifs temporels, Featuretools sur SparkChoix du modèle : XGBoost, LightGBM, régression logistique ou deep learning, en comparant plusieurs exécutions sur les mêmes donnéesSuivi en temps réel, points de contrôle, versionnage et évaluation distribuée sans que les données quittent le LakehousePour les data scientists, data engineers et équipes analytics qui veulent entraîner des modèles IA sur de grands volumes de données d’entreprise.Cet épisode est une version française doublée par IA de la vidéo animée du M365 Show présentée par le Microsoft MVP Mirko Peters.▶ Voir la vidéo: https://youtu.be/RftSe9exzDc🎧 Plus d’épisodes: https://www.m365.fm🎤 M365Con – conférence Microsoft en ligne gratuite: https://m365con.net💼 Mirko Peters sur LinkedIn: https://www.linkedin.com/in/m365showpodcast/

This episode includes AI-generated content.