Ciencia de Datos y Seguimiento de Modelos en Fabric

La ciencia de datos moderna requiere un espacio de trabajo unificado donde la preparación de datos, el entrenamiento de modelos y el seguimiento de experimentos ocurran sin problemas. Este curso basado en texto te guía a través de los conceptos fundamentales de la ciencia de datos dentro del ecosistema de Fabric, preparándote para manejar tareas analíticas del mundo real. Pasarás de comprender las configuraciones básicas del espacio de trabajo a entrenar modelos de machine learning con confianza en notebooks interactivos. Al aprovechar las herramientas integradas, aprenderás a organizar tus conjuntos de datos, ejecutar experimentos y rastrear sistemáticamente las métricas de rendimiento del modelo. Lo que aprenderás: * Comprender la arquitectura fundamental de los espacios de trabajo de Fabric para la ciencia de datos; * Preparar y explorar conjuntos de datos utilizando notebooks y estructuras de datos integradas; * Entrenar modelos de machine learning utilizando bibliotecas populares de Python dentro de un entorno de notebook administrado; * Rastrear parámetros, métricas y artefactos de modelos utilizando integraciones de MLflow; * Gestionar y comparar diferentes experimentos de machine learning para identificar los modelos con mejor rendimiento; * Aplicar las mejores prácticas modernas de MLOps para organizar y versionar tus activos analíticos. El curso comienza con la terminología central y la configuración del espacio de trabajo antes de pasar a la exploración de datos práctica y al entrenamiento de modelos. Avanzarás a través de explicaciones de texto estructuradas y ejemplos de código prácticos que demuestran cómo gestionar todo el ciclo de vida del machine learning. Este curso está diseñado para aspirantes a científicos de datos, analistas y desarrolladores que desean aprender Fabric sin experiencia previa en la plataforma. Comienza a leer hoy mismo para construir tu base en la ciencia de datos moderna basada en la nube.