Un modello di churn che fallisce dopo 20 ore sul portatile per limite di RAM non è un caso isolato: i dati aziendali hanno superato l’hardware locale. Questo episodio mostra come i notebook di Microsoft Fabric portano il training vicino ai dati del Lakehouse: niente esportazioni, niente caos di CSV, Python o R nel cloud.Cosa scoprirai:Perché i computer locali cedono con dataset da più terabyte tra CPU, RAM e I/O del disco, e perché il campionamento perde pattern preziosiAccesso diretto al Lakehouse: Spark esegue join, filtri e aggregazioni dove risiedono i datiFeature engineering su larga scala: set di feature snelli, alta cardinalità e pattern temporali, Featuretools su SparkScelta del modello: XGBoost, LightGBM, regressione logistica o deep learning, confrontando più esecuzioni sugli stessi datiMonitoraggio in tempo reale, checkpoint, versionamento e valutazione distribuita senza che i dati lascino il LakehousePer data scientist, data engineer e team di analytics che vogliono addestrare modelli IA su grandi volumi di dati aziendali.Questo episodio è una versione italiana doppiata con l’IA del video animato di M365 Show del Microsoft MVP Mirko Peters.▶ Guarda il video: https://youtu.be/RftSe9exzDc🎧 Altri episodi: https://www.m365.fm🎤 M365Con – conferenza Microsoft online gratuita: https://m365con.net💼 Mirko Peters su LinkedIn: https://www.linkedin.com/in/m365showpodcast/

Questo episodio include contenuti generati dall’IA.