Model przewidywania odejść klientów, który po 20 godzinach na laptopie pada przez limit RAM, to nie wyjątek – dane firmowe dawno przerosły lokalny sprzęt. Ten odcinek pokazuje, jak notatniki Microsoft Fabric przenoszą trenowanie do danych w Lakehouse: bez eksportów, bez chaosu z CSV, w Pythonie lub R w chmurze.Czego się dowiesz:Dlaczego lokalne komputery nie radzą sobie z wieloterabajtowymi zbiorami (CPU, RAM, I/O dysku) i dlaczego próbkowanie gubi cenne wzorceBezpośredni dostęp do Lakehouse: Spark wykonuje złączenia, filtry i agregacje tam, gdzie leżą daneInżynieria cech na dużą skalę: smukłe zestawy cech, wysoka kardynalność i wzorce czasowe, Featuretools na SparkuWybór modelu: XGBoost, LightGBM, regresja logistyczna lub deep learning – porównanie wielu przebiegów na tych samych danychMonitorowanie w czasie rzeczywistym, punkty kontrolne, wersjonowanie i rozproszona ewaluacja bez opuszczania Lakehouse przez daneDla data scientistów, inżynierów danych i zespołów analitycznych, którzy chcą trenować modele AI na dużych danych firmowych.Ten odcinek to polska wersja z dubbingiem AI animowanego wideo z M365 Show prowadzonego przez Microsoft MVP Mirko Petersa.▶ Obejrzyj wideo: https://youtu.be/RftSe9exzDc🎧 Więcej odcinków: https://www.m365.fm🎤 M365Con – bezpłatna konferencja Microsoft online: https://m365con.net💼 Mirko Peters na LinkedIn: https://www.linkedin.com/in/m365showpodcast/

This episode includes AI-generated content.