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 курса | DP-100T01 |
|---|---|
| Длительность | 3 д (24 ч) |
| Код экзамена | DP-100 |
| Стоимость без НДС | 700 $ |