Návrh a implementace řešení Data Science v prostředí Azure
Získáte potřebné znalosti o tom, jak používat služby Azure pro vývoj, učení a nasazení řešení strojového učení. Kurz začíná přehledem služeb Azure, které podporují data science. Odtud se zaměřuje na využití služby data science v Azure, služby Azure Machine Learning, za účelem automatizace data science.
Kurz akreditovaný pro DVPP
Délka kurzu: 3 dny (8:30 - 16:00)
Termíny
-
Absolvent kurzu bude umět
- popsat data science proces a roli data scientist
- jak využít Azure Machine Learning k automatizaci data science procesů
- popsat a využít machine learning pipeline a jak služba Azure Machine Learning může automatizovat procesy
- popsat jak automaticky spravovat a monitorovat machine learning modely pomocí služby Azure Machine Learning
-
Požadavky pro absolvování kurzu
- Základy prostředí Azure.
- Základy jazyka Python.
- Základy data science.
-
Kurz určen pro
Data profesionály, data architekty, developery a business intelligence profesionály, kteří se chtějí zorientovat v data platformě prostředí Microsoft Azure.
-
Literatura
Všichni účastníci školení obdrží originál studijních certifikovaných materiálů Microsoft.
-
Technické vybavení
Všechny učebny jsou vybaveny nadstandardními počítači připojenými k Internetu, učebny jsou prostorné, klimatizované, bezbariérové a s připojením na Wi-Fi. V případě zájmu lze školení absolvovat online live.
-
Osnova
Modul 1: Introduction to Azure Machine Learning
- Kapitola: Getting Started with Azure Machine Learning
- Kapitola: Azure Machine Learning Tools
- Cvičení: Creating an Azure Machine Learning Workspace
Modul 2: No-Code Machine Learning with Designer
- Kapitola: Training Models with Designer
- Kapitola: Publishing Models with Designer
- Cvičení: Creating a Training Pipeline with the Azure ML Designer
Modul 3: Running Experiments and Training Models
- Kapitola: Introduction to Experiments
- Kapitola: Training and Registering Models
- Cvičení: Running Experiments
Modul 4: Working with Data
- Kapitola: Working with Datastores
- Kapitola: Working with Datasets
- Cvičení: Working with Datastores
Modul 5: Compute Contexts
- Kapitola: Working with Environments
- Kapitola: Working with Compute Targets
- Cvičení: Working with Environments
Modul 6: Orchestrating Operations with Pipelines
- Kapitola: Introduction to Pipelines
- Kapitola: Publishing and Running Pipelines
- Cvičení: Creating a Pipeline
Modul 7: Deploying and Consuming Models
- Kapitola: Real-time Inferencing
- Kapitola: Batch Inferencing
- Cvičení: Creating a Real-time Inferencing Service
Modul 8: Training Optimal Models
- Kapitola: Hyperparameter Tuning
- Kapitola: Automated Machine Learning
- Cvičení: Tuning Hyperparameters
Modul 9: Interpreting Models
- Kapitola: Introduction to Model Interpretation
- Kapitola: Using Model Explainers
- Cvičení: Reviewing Automated Machine Learning Explanations
Modul 10: Monitoring Models
- Kapitola: Monitoring Models with Application Insights
- Kapitola: Monitoring Data Drift
- Cvičení: Monitoring a Model with Application Insights
Ceny jsou bez DPH. OKsystem a.s. si vyhrazuje právo změnit termín a cenu školení.