spinner-it

Разработка и внедрение решения Data Science в Azure

Данный курс предоставляет слушателям знания и навыки использования служб Azure для разработки, обучения и развертывания решений машинного обучения. Курс начинается с обзора служб Azure, поддерживающих науку о данных. С этого момента основное внимание уделяется использованию службы первичных данных Azure, службы машинного обучения Azure, для автоматизации конвейера данных. Этот курс ориентирован на изучение Azure и не является пособием по изучению data science. Предполагается, что слушатели уже обладают этими данными.

 

Профиль аудитории:

 

Этот курс предназначен для специалистов по данным и тех, кто несет значительную ответственность за обучение и развертывание моделей машинного обучения. Курс рекомендуется для подготовки к сертификационному экзамену DP-100: Designing and Implementing a Data Science Solution on Azure сертификации Microsoft - Microsoft Certified: Azure Data Scientist Associate.

 

После завершения обучения участники смогут:

 

  • создавать рабочее пространство Azure Machine Learning и управлять средами вычислений, данных и кодирования для рабочих нагрузок машинного обучения;
  • использовать Azure Machine Learning Designer для обучения и развертывания моделей машинного обучения без кода;
  • создавать и проводить эксперименты по регистрации метрик и обучению моделей машинного обучения;
  • создавать и управлять хранилищами данных и наборами данных, а также их использовать в экспериментах машинного обучения;
  • создавать вычислительные ресурсы и управлять ими, а также использовать их для проведения экспериментов машинного обучения в условиях масштаба в облаке;
  • находить оптимальную модель для данных с помощью настройки гиперпараметров и автоматического машинного обучения;
  • выполнять мониторинг использования и смещения данных для развернутых моделей.

Модуль 1. Введение в Azure Machine Learning.  

  • Начало работы с Azure Machine Learning
  • Инструменты Azure Machine Learning
  • Лабораторные работы «Введение в Azure Machine Learning»

Модуль 2. Машинное обучение без кода с использованием дизайнера.

  • Тренировочные модели с использованием дизайнера
  • Публикационные модели с использованием дизайнера
  • Лабораторные работы «Машинное обучение без кода с использованием дизайнера»

Модуль 3. Использование экспериментов и тренировочных моделей.

  • Введение в эксперименты
  • Тренировочные и регистрационные модели
  • Лабораторные работы «Использование экспериментов и тренировочных моделей»

Модуль 4. Работа с данными.       

  • Работа с хранилищами данных
  • Работа с наборами данных
  • Лабораторные работы «Работа с данными»

Модуль 5. Вычисление контекстов.

  • Работа со средой
  • Работа с вычислительными целями
  • Лабораторные работы «Вычисление контекстов»

Модуль 6. Оркестровочные операции с использованием конвейеров.

  • Введение в конвейеры
  • Публикация и эксплуатация конвейеров
  • Лабораторные работы «Оркестровочные операции с использованием конвейеров»

Модуль 7. Развертывание и использование моделей.  

  • Логический вывод в реальном времени
  • Пакетный логический вывод
  • Лабораторные работы «Развертывание и использование моделей»

Модуль 8. Тренировочные оптимальные модели.

  • Настройка гиперпараметра
  • Автоматизированное машинное обучение
  • Лабораторные работы «Тренировочные оптимальные модели»

Модуль 9. Интерпретация моделей.

  • Введение в интерпретацию модели
  • Использование пояснителей модели
  • Лабораторные работы «Интерпретация моделей»

Модуль 10. Мониторинг моделей.

  • Мониторинг моделей с использованием приложений
  • Мониторинг смещения данных
  • Лабораторные работы «Мониторинг моделей»

Для эффективного обучения на курсе, слушатели должны обладать следующими знаниями и навыками:

  • иметь значительные знания по Microsoft Azure;
  • опыт написания кода Python для работы с данными, используя такие библиотеки, как Numpy, Pandas и Matplotlib;
  • ознакомленность с наукой о данных; включая понимание процесса подготовки данных и обучения моделей машинного обучения с использованием общих библиотек машинного обучения, таких как Scikit-Learn, PyTorch или Tensorflow.

Запись на курс

Код курсаDP-100T01
Длительность3д (24ч)
Код экзаменаDP-100
Стоимость без НДС800 $
Ближайшие даты
  • 01.02.2021
  • 01.02.2021
  • 12.04.2021