Cloudteam
Polski
EnglishDeutschFrançaisEspañolItalianoNederlandsSvenskaالعربية
Kontakt
Szkolenia
Designing and Implementing a Data Science Solution on Azure

Designing and Implementing a Data Science Solution on Azure

Dowiedz się, jak obsługiwać rozwiązania uczenia maszynowego w chmurze przy użyciu usługi Azure Machine Learning. Ten kurs nauczy Cię, jak wykorzystać dotychczasową wiedzę na temat języka Python i uczenia maszynowego do zarządzania pozyskiwaniem i przygotowywaniem danych, szkoleniem i wdrażaniem modeli oraz monitorowaniem rozwiązań uczenia maszynowego w platformie Microsoft Azure.

Kod szkolenia
DP-100
Czas trwania
4 dni
Poziom
Średni
Cena
4000 zł
Microsoft
Dla kogo?

Kurs ten jest przeznaczony dla analityków danych posiadających już wiedzę na temat języka Python i frameworków uczenia maszynowego, takich jak Scikit-Learn, PyTorch i Tensorflow, którzy chcą tworzyć i obsługiwać rozwiązania uczenia maszynowego w chmurze.

Wymagania wstępne

Przed przystąpieniem do kursu studenci muszą posiadać:

  • Podstawową wiedzę na temat platformy Microsoft Azure
  • Doświadczenie w pisaniu kodu w języku Python do pracy z danymi, z wykorzystaniem bibliotek takich jak Numpy, Pandas i Matplotlib.
  • Zrozumienie nauki o danych, w tym sposobu przygotowywania danych i szkolenia modeli uczenia maszynowego przy użyciu popularnych bibliotek uczenia maszynowego, takich jak Scikit-Learn, PyTorch lub Tensorflow.
Zakres szkolenia

Moduł 1: Wprowadzenie do Azure Machine Learning

  • Pierwsze kroki z usługą Azure Machine Learning
  • Narzędzia Azure Machine Learning
  • Laboratorium: Tworzenie obszaru roboczego Azure Machine Learning
  • Laboratorium: Praca z narzędziami Azure Machine Learning

Moduł 2: Uczenie maszynowe bez kodowania za pomocą programu Designer

  • Szkolenie modeli za pomocą programu Designer
  • Publikowanie modeli za pomocą programu Designer
  • Laboratorium: Tworzenie potoku szkoleniowego za pomocą Azure ML Designer
  • Laboratorium: Wdrażanie usługi za pomocą programu Azure ML Designer

Moduł 3: Przeprowadzanie eksperymentów i szkolenie modeli

  • Wprowadzenie do eksperymentów
  • Szkolenie i rejestrowanie modeli
  • Laboratorium: Przeprowadzanie eksperymentów
  • Laboratorium: Trenowanie i rejestrowanie modeli

Moduł 4: Praca z danymi

  • Praca z magazynami danych
  • Praca z zestawami danych
  • Laboratorium: Praca z magazynami danych
  • Laboratorium: Praca z zestawami danych

Moduł 5: Konteksty obliczeniowe

  • Praca ze środowiskami
  • Praca z celami obliczeniowymi
  • Laboratorium: Praca ze środowiskami
  • Laboratorium: Praca z celami obliczeniowymi

Moduł 6: Koordynowanie operacji za pomocą potoków

  • Wprowadzenie do potoków
  • Publikowanie i uruchamianie potoków
  • Laboratorium: Tworzenie potoku
  • Laboratorium: Publikowanie potoku

Moduł 7: Wdrażanie i wykorzystywanie modeli

  • Wnioskowanie w czasie rzeczywistym
  • Wnioskowanie wsadowe
  • Laboratorium: Tworzenie usługi wnioskowania w czasie rzeczywistym
  • Laboratorium: Tworzenie usługi wnioskowania wsadowego

Moduł 8: Trenowanie optymalnych modeli

  • Dostrajanie hiperparametrów
  • Automatyczne uczenie maszynowe
  • Laboratorium: Dostrajanie hiperparametrów
  • Laboratorium: Korzystanie z automatycznego uczenia maszynowego

Moduł 9: Interpretacja modeli

  • Wprowadzenie do interpretacji modeli
  • Korzystanie z narzędzi do wyjaśniania modeli
  • Laboratorium: Przegląd automatycznych wyjaśnień uczenia maszynowego
  • Laboratorium: Interpretacja modeli

Moduł 10: Monitorowanie modeli

  • Monitorowanie modeli za pomocą Application Insights
  • Monitorowanie dryfu danych
  • Laboratorium: Monitorowanie modelu za pomocą usługi Application Insights
  • Laboratorium: Monitorowanie dryfu danych

Zapytaj o termin i wycenę

To szkolenie realizujemy na zamówienie. Daj nam znać, a dopasujemy termin i formę (online / stacjonarnie),

Odpowiedź z propozycją terminu do 24 godzin
Bez zobowiązań – samo zapytanie niczego nie rezerwuje
Możliwość realizacji tylko dla Twojego zespołu