Um modelo de churn que falha após 20 horas no notebook por falta de RAM não é exceção: os dados corporativos já superaram o hardware local. Este episódio mostra como os notebooks do Microsoft Fabric levam o treinamento até os dados do Lakehouse: sem exportações, sem caos de CSV, com Python ou R na nuvem.O que você vai aprender:Por que máquinas locais falham com conjuntos de vários terabytes por CPU, RAM e E/S de disco, e por que a amostragem perde padrões valiososAcesso direto ao Lakehouse: o Spark executa joins, filtros e agregações onde os dados estãoEngenharia de atributos em escala: conjuntos enxutos em vez de inchados, alta cardinalidade e padrões temporais, Featuretools no SparkSeleção de modelos: XGBoost, LightGBM, regressão logística ou deep learning, comparando várias execuções com os mesmos dadosMonitoramento em tempo real, checkpoints, versionamento e avaliação distribuída sem que os dados saiam do LakehousePara cientistas de dados, engenheiros de dados e equipes de analytics que querem treinar modelos de IA com grandes volumes de dados corporativos.Este episódio é uma versão em português dublada com IA do vídeo animado do M365 Show, do Microsoft MVP Mirko Peters.▶ Assista ao vídeo: https://youtu.be/RftSe9exzDc🎧 Mais episódios: https://www.m365.fm🎤 M365Con – conferência Microsoft online e gratuita: https://m365con.net💼 Mirko Peters no LinkedIn: https://www.linkedin.com/in/m365showpodcast/

This episode includes AI-generated content.