TRDP-100
Új Adattudományi megoldások tervezése és implementálása Microsoft Azure környezetben
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.
