DP-100 Designing and Implementing a Data Science Solution on Azure

Kód kurzu: DP100P

Naučte sa prevádzkovať riešenie strojového učenia v cloudovom meradle pomocou Azure Machine Learning. Tento kurz vás naučí využiť svoje existujúce znalosti Pythona a strojového učenia na správu príjmu a prípravy dát, modelovanie a nasadenie a monitorovanie riešení strojového učenia v Microsoft Azure.

930 EUR

1 116 EUR s DPH

Najbližší termín od 13.02.2023

Výber termínov

Odborní
certifikovaní lektori

Mezinárodne
uznávané certifikácie

Široká ponuka technických
a soft skills kurzov

Skvelý zákaznicky
servis

Prispôsobenie kurzov
presne na mieru

Termíny kurzov

Počiatočný dátum: 13.02.2023

Forma: Prezenčná/Virtuálna

Dĺžka kurzu: 3 dni

Jazyk: en/cz

Cena bez DPH: 930 EUR

Registrovať

Počiatočný dátum: 24.04.2023

Forma: Prezenčná/Virtuálna

Dĺžka kurzu: 3 dni

Jazyk: en/cz

Cena bez DPH: 930 EUR

Registrovať

Počiatočný dátum: 22.05.2023

Forma: Prezenčná/Virtuálna

Dĺžka kurzu: 3 dni

Jazyk: en/cz

Cena bez DPH: 930 EUR

Registrovať

Počiatočný dátum: 14.08.2023

Forma: Prezenčná/Virtuálna

Dĺžka kurzu: 3 dni

Jazyk: en/cz

Cena bez DPH: 930 EUR

Registrovať

Počiatočný dátum: 02.10.2023

Forma: Prezenčná/Virtuálna

Dĺžka kurzu: 3 dni

Jazyk: en/cz

Cena bez DPH: 930 EUR

Registrovať

Počiatočný dátum: 04.12.2023

Forma: Prezenčná/Virtuálna

Dĺžka kurzu: 3 dni

Jazyk: en/cz

Cena bez DPH: 930 EUR

Registrovať

Počiatočný dátum: Individuálny

Forma: Prezenčná/Virtuálna

Dĺžka kurzu: 3 dni

Jazyk: en/cz

Cena bez DPH: 930 EUR

Registrovať

Počiatočný
dátum
Miesto
konania
Forma Dĺžka
kurzu
Jazyk Cena bez DPH
13.02.2023 Prezenčná/Virtuálna 3 dni en/cz 930 EUR Registrovať
24.04.2023 Prezenčná/Virtuálna 3 dni en/cz 930 EUR Registrovať
22.05.2023 Prezenčná/Virtuálna 3 dni en/cz 930 EUR Registrovať
14.08.2023 Prezenčná/Virtuálna 3 dni en/cz 930 EUR Registrovať
02.10.2023 Prezenčná/Virtuálna 3 dni en/cz 930 EUR Registrovať
04.12.2023 Prezenčná/Virtuálna 3 dni en/cz 930 EUR Registrovať
Individuálny Prezenčná/Virtuálna 3 dni en/cz 930 EUR Registrovať
G Garantovaný kurz

Nenašli ste vhodný termín?

Napíšte nám o vypísanoe alternatívneho termínu na mieru.

Kontakt

Cieľová skupina

Tento kurz je určený pre dátových vedcov s existujúcimi znalosťami Pythonu a rámcov strojového učenia, ako sú Scikit-Learn, PyTorch a Tensorflow, ktorí chcú vytvárať a prevádzkovať riešenia strojového učenia v cloude.

Štruktúra kurzu

Modul 1: Začínáme s Azure Machine Learning

V tomto module sa dozviete, ako zriadiť pracovný priestor Azure Machine Learning a používať ho na správu prostriedkov strojového učenia, ako sú dáta, výpočty, trénovací kód modelu, protokolované metriky a trénované modely. Dozviete sa, ako používať webové rozhranie Azure Machine Learning štúdia a tiež Azure Machine Learning SDK a vývojárske nástroje, ako je Visual Studio Code a Jupyter Notebooks, na prácu s aktívami vo vašom pracovnom priestore.

Lekcie

  • Úvod do Azure Machine Learning
  • Práca s Azure Machine Learning

Lab : Vytvorte pracovný priestor Azure Machine Learning

  • Poskytnite pracovný priestor Azure Machine Learning
  • Pomocou nástrojov a kódu pracujte s Azure Machine Learning

Modul 2: Vizuálne nástroje pre strojové učenie

Tento modul predstavuje vizuálne nástroje Automated Machine Learning a Designer, ktoré môžete použiť na trénovanie, hodnotenie a nasadenie modelov strojového učenia bez toho, aby ste museli písať akýkoľvek kód.

Lekcie

  • Automatizované strojové učenie
  • Azure Machine Learning Designer

Lab : Použite automatizované strojové učenie

Lab : Použite Azure Machine Learning Designer

  • Použite automatizované strojové učenie na trénovanie modelu strojového učenia
  • Na trénovanie modelu použite návrhár Azure Machine Learning

Modul 3: Spúšťanie experimentov a tréningových modelov

V tomto module začnete s experimentmi, ktoré zapuzdrujú spracovanie dát a modelujú trénovací kód, a používate ich na trénovanie modelov strojového učenia.

Lekcie

  • Úvod do experimentov
  • Školenia a registrácia modelov

Lab : Modely

Lab : Experimenty

  • Spúšťajte experimenty založené na kóde v pracovnom priestore Azure Machine Learning
  • Trénujte a registrujte modely strojového učenia

Modul 4: Práca s dátami

Dáta sú základným prvkom v akejkoľvek pracovnej záťaži strojového učenia, takže v tomto module sa naučíte vytvárať a spravovať dátové úložiská a dátové sady v pracovnom priestore Azure Machine Learning a ako ich používať v experimentoch modelového školenia.

Lekcie

  • Práca s dátovými úložiskami
  • Práca s dátovými súpravami

Lab : Práca s dátami

  • Vytvárajte a používajte dátové úložiská
  • Vytvárajte a používajte dátové sady

Modul 5: Práca s Compute

Jednou z kľúčových výhod cloudu je schopnosť využívať výpočtové zdroje na vyžiadanie a využívať ich na škálovanie procesov strojového učenia v rozsahu, ktorý by na vašom vlastnom hardvéri nebol možný. V tomto module sa dozviete, ako spravovať prostredie experimentov, ktoré zaisťujú konzistentnú konzistenciu behu experimentov, a ako vytvárať a používať výpočtové ciele pre behy experimentov.

Lekcie

  • Práca s prostrediami
  • Práca s výpočtovými cieľmi

Lab : Práca s počítačom

  • Vytvárajte a používajte prostredie
  • Vytvárajte a používajte výpočtové ciele

Modul 6: Organizácia operácií s potrubím

Teraz, keď rozumiete základom spúšťania úloh ako experimentov, ktoré využívajú dátové aktíva a výpočtové zdroje, je čas naučiť sa, ako tieto úlohy organizovať ako kanály prepojených krokov. Pipelines sú kľúčom k implementácii efektívneho riešenia Machine Learning Operationalization (ML Ops) v Azure, takže v tomto module preskúmate, ako ich definovať a spúšťať.

Lekcie

  • Úvod do potrubia
  • Publikovanie a prevádzkovanie potrubia

Lab : Vytvorte potrubie

  • Vytvárajte kanály pre automatizáciu pracovných postupov strojového učenia
  • Publikovať a prevádzkovať potrubné služby

Modul 7: Nasadenie a spotreba modelov

Modely sú navrhnuté tak, aby napomáhali rozhodovaniu prostredníctvom predpovedí, takže sú užitočné iba vtedy, ak sú nasadené a dostupné pre aplikáciu na spotrebu. V tomto module sa dozviete, ako nasadiť modely pre inferencovanie v reálnom čase a pre dávkové inferencovanie.

Lekcie

  • Odvodzovanie v reálnom čase
  • Dávkové odvodenie
  • Nepretržitá integrácia a dodávka

Lab : Vytvorte službu odvodenia v reálnom čase

Lab : Vytvorte službu Batch Inferencing Service

  • Publikovať model ako službu odvodenia v reálnom čase
  • Publikovať model ako službu dávkového odvodenia
  • Popíšte techniky pre implementáciu nepretržitej integrácie a poskytovania

Modul 8: Školenie optimálnych modelov

V tejto fáze kurzu ste sa naučili úplný proces školenia, nasadenia a používania modelov strojového učenia; ale ako zaistíte, že váš model produkuje najlepšie prediktívne výstupy pre vaše dáta? V tomto module preskúmate, ako môžete využiť ladenie hyperparametrov a automatizované strojové učenie na využitie výhod cloudového výpočtu a nájdenie najlepšieho modelu pre vaše dáta.

Lekcie

  • Ladenie hyperparametrov
  • Automatizované strojové učenie

Lab : Použite automatické strojové učenie zo sady SDK

Lab : Vylaďte hyperparametre

  • Optimalizujte hyperparametre pre trénovanie modelu
  • Použite automatizované strojové učenie na nájdenie optimálneho modelu pre vaše dáta

Modul 9: Zodpovedné strojové učenie

Datoví vedci majú povinnosť zabezpečiť, aby analyzovali dáta a zodpovedne trénovali modely strojového učenia; rešpektovanie súkromia jednotlivca, zmiernenie predsudkov a zabezpečenie transparentnosti. Tento modul skúma niektoré úvahy a techniky na aplikáciu princípov zodpovedného strojového učenia.

Lekcie

  • Diferenciálne súkromie
  • Interpretovateľnosť modelu
  • Spravodlivosť

Lab : Preskúmanie súkromia

Lab : Interpretovanie modelov

Lab : Odhaliť a zmierniť nepresnosti

  • Aplikujte rozdiel medzi súkromím a analýzou dát
  • Použite vysvetľovače na interpretáciu modelov strojového učenia
  • Vyhodnoťte modely z hľadiska spravodlivosti

Modul 10: Monitorovacie modely

Po nasadení modelu je dôležité porozumieť tomu, ako je model používaný vo výrobe, a detekovať akékoľvek zníženie jeho účinnosti v dôsledku posunu dát. Tento modul popisuje techniky na monitorovanie modelov a ich dát.

Lekcie

  • Monitorovanie modelov pomocou Application Insights
  • Monitorovanie dátového posunu

Lab : Monitorovanie dátového posunu

Lab : Monitorovanie modelu pomocou Application Insights

  • Použite Application Insights na monitorovanie publikovaného modelu
  • Sledujte posun dát

Predpokladané znalosti

Úspešní Azure Data Scientists začínajú túto úlohu so základnými znalosťami konceptov cloud computingu a skúsenosťami so všeobecnými dátovými vedami a nástrojmi a technikami strojového učenia.

Konkrétne:

  • Vytváranie cloudových prostriedkov v Microsoft Azure.
  • Použitie Pythonu na preskúmanie a vizualizáciu dát.
  • Školenie a overovanie modelov strojového učenia pomocou bežných rámcov, ako je Scikit-Learn, PyTorch a TensorFlow.
  • Práca s kontajnermi

Ak chcete získať tieto nevyhnutné zručnosti, absolvujte pred návštevou kurzu nasledujúce bezplatné online školenia:

Pokiaľ ste v oblasti dátovej vedy a strojového učenia úplným nováčikom, vyplňte prosím najskôr Microsoft Azure AI Fundamentals

Potrebujete poradiť alebo upraviť kurz na mieru?

pruduktová podpora