ノートPCで20時間走らせた解約予測モデルがメモリ上限で失敗する――珍しい話ではありません。ビジネスデータはとっくにローカル環境の限界を超えています。このエピソードでは、Microsoft FabricのノートブックがLakehouseのデータのそばで学習を行う仕組みを紹介します。エクスポート不要、CSV地獄なし、クラウドでPythonやRを使えます。このエピソードで学べること：数テラバイト規模のデータでローカルマシンがCPU、メモリ、ディスクI/Oで行き詰まる理由と、サンプリングで重要なパターンが失われる理由Lakehouseへの直接アクセス：Sparkがデータのある場所で結合・フィルター・集計を実行大規模な特徴量エンジニアリング：肥大化しない特徴量セット、高カーディナリティと時間的パターン、Spark上のFeaturetoolsモデル選択：XGBoost、LightGBM、ロジスティック回帰、ディープラーニングを同じデータで複数回比較リアルタイム監視、チェックポイント、バージョン管理、分散評価――データはLakehouseから出ない大規模な企業データでAIモデルを学習させたいデータサイエンティスト、データエンジニア、分析チームに。このエピソードは、Microsoft MVP Mirko Peters による M365 Show のアニメーション動画をAIで吹き替えた日本語版です。▶ 動画を見る: https://youtu.be/RftSe9exzDc🎧 他のエピソード: https://www.m365.fm🎤 M365Con – 無料のオンライン Microsoft カンファレンス: https://m365con.net💼 LinkedIn の Mirko Peters: https://www.linkedin.com/in/m365showpodcast/

This episode includes AI-generated content.