Automated ML vs Data Scientist : who's (still) the best ?

Automated ML is a game changer for Data Scientists who can now focus on features enginnering and model interpretation. How does it work in a citizen way or with the Python SDK automl.core ? What are the beneficits of this approach ? Which are the common mistakes with the User Interface and all the possibilities with the code ? Is it a too much "closed box" way ? No, because we now have time to interpret !

Paul PETON

Paul PETON

Lead Data Scientist at AZEO, Microsoft AI & Data Platform MVP

Other sessions from: Track French - Virtual Azure Community Day

Serverless Everywhere: Azure Functions et Dapr

Serverless Everywhere: Azure Functions et Dapr

Pour des scénarios IoT, hybride et multicloud, faisons un tour d’horizon...

Aymeric Weinbach Aymeric Weinbach
Tout tout tout, vous saurez tout sur les Storages Azure

Tout tout tout, vous saurez tout sur les Storages Azure

Le froid, le chaud, le fichier, le blob, L'archive, le cache, le static...

Philippe Didiergeorges Philippe Didiergeorges
Arnaud Maichac Arnaud Maichac
Piloter Azure avec Terraform

Piloter Azure avec Terraform

Dans le cadre de L'infrastructure as a Code . Nous allons montrer comment...

Gaston NDOUMBE Gaston NDOUMBE
Tips & Tricks pour de la haute disponibilité avec Azure Kubernetes Services

Tips & Tricks pour de la haute disponibilité avec Azure Kubernetes Services

Si il y a une seule raison à retenir pour l'utilisation d'un cluster Kuber...

Thomas Rannou Thomas Rannou
L’analyse des données IoT a portée de Synapse

L’analyse des données IoT a portée de Synapse

La valeur d'un projet IoT est en grande partie apportée par l'analyse des...

Christopher MANEU Christopher MANEU
Azure Synapse Analytics introduction and analytics use cases

Azure Synapse Analytics introduction and analytics use cases

Discover Azure Synapse Analytics as a unified platform for all personas :...

Hoda El Haddad Hoda El Haddad