Adattudományi megoldások tervezése és implementálása Microsoft Azure környezetben

TRDP-100 Új

Részvételi forma

Képzés hossza

4 nap (4×8 tanóra)
naponta 9:00 - 17:00

Időpontok

Képzés ára

445 000 Ft
+ ÁFA/fő
Szeretne a témában testre szabott megoldást, csoportos képzést?
Egyedi képzési szolgáltatásainkról részletesen itt olvashat.

Ismertető

A tanfolyam célja, hogy bemutassa, hogyan lehet felhőméretű gépi tanulási megoldásokat üzemeltetni az Azure Machine Learning segítségével. Ez a tanfolyam megtanítja, hogyan használjuk fel a Python és a gépi tanulás terén meglévő ismereteinket az adatbevitel és -előkészítés, a modellképzés és -telepítés, valamint a gépi tanulási megoldások felügyeletének kezelésére az Azure Machine Learning és az MLflow segítségével.

Kinek ajánljuk?

Ez a tanfolyam olyan data scientist-ek számára készült, akik már rendelkeznek Python és gépi tanulási keretrendszerek, például Scikit-Learn, PyTorch és Tensorflow ismereteivel, és akik gépi tanulási megoldásokat szeretnének építeni és üzemeltetni a felhőben.

Munkahelyi szerepkör: Adatszakértő

Tematika

  • Adatbetöltési stratégia tervezése gépi tanulási projektekhez
  • Gépi tanulási modell betanítási megoldásának megtervezése
  • Modelltelepítési megoldás tervezése
  • Az Azure Machine Learning-munkaterület erőforrásainak és eszközeinek megismerése
  • Fejlesztői eszközök felfedezése munkaterület-interakcióhoz
  • Adatok elérhetővé tétele az Azure Machine Learningben
  • Számítási célok használata az Azure Machine Learningben
  • Környezetek használata az Azure Machine Learningben
  • A legjobb besorolási modell keresése az automatizált gépi tanulással
  • Modellbetanítás nyomon követése Jupyter-notebookokban az MLflow használatával
  • Betanítási szkript futtatása parancsfeladatként az Azure Machine Learningben
  • Modellbetanítás nyomon követése az MLflow-val a feladatokban
  • Folyamatok futtatása az Azure Machine Learningben
  • Hiperparaméterek finomhangolása az Azure Machine Learning használatával
  • Modell üzembe helyezése felügyelt online végponton
  • Modell üzembe helyezése kötegelt végponton

Szükséges előképzettség

A sikeres Azure Data Scientists ezt a szerepet a felhőalapú számítástechnikai koncepciók alapvető ismeretével, valamint az általános adattudományi és gépi tanulási eszközök és technikák terén szerzett tapasztalattal kezdi meg.

Specifikusan:

  • Felhőerőforrások létrehozása a Microsoft Azure-ban.
  • Python használata adatok felfedezésére és megjelenítésére.
  • Gépi tanulási modellek betanítása és érvényesítése olyan általános keretrendszerek használatával, mint a Scikit-Learn, PyTorch és TensorFlow.