Capítulo 7. Ciencia de datos en Microsoft Fabric
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
No hace mucho, en 2012, el científico de datos fue calificado como "el trabajo más sexy del siglo XXI" por la Harvard Business Review. Obviamente, podemos discutir sobre la validez de esta etiqueta más de una década después de su proclamación. Sin embargo, el hecho es que las personas "capaces de sacar tesoros de datos desordenados y no estructurados" siguen estando muy solicitadas, y Microsoft Fabric no decepciona a nadie que se considere un científico de datos.
Antes de profundizar en el examen de determinadas cargas de trabajo de ciencia de datos en Microsoft Fabric, veamos primero la Figura 7-1 para obtener una visión general de las etapas más comunes del proceso de ciencia de datos desde una perspectiva de alto nivel. Ten en cuenta que este proceso no está relacionado exclusivamente con Microsoft Fabric: se trata más bien de un enfoque genérico e independiente de la herramienta.
Figura 7-1. El flujo de trabajo más común de la ciencia de datos
En este capítulo, hablaremos de cuatro opciones que Microsoft Fabric proporciona para dar soporte a las cargas de trabajo de la ciencia de datos: MLflow, SynapseML, AutoML y Semantic Link. Estas opciones incluyen varias soluciones ya preparadas que pueden integrarse perfectamente ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access