Corso DP-100T01 Azure Data Science

Impare ad utilizzare soluzioni di Machine Learning su scala cloud con Azure Machine Learning. Questo corso illustra come sfruttare le conoscenze esistenti di Python e machine learning per gestire l'inserimento e la preparazione dei dati, la formazione e la distribuzione dei modelli e il monitoraggio delle soluzioni di apprendimento automatico in Microsoft Azure.

Questo corso è progettato per i data scientist con conoscenze esistenti di Python e framework di apprendimento automatico come Scikit-Learn, PyTorch e Tensorflow, che desiderano creare e gestire soluzioni di apprendimento automatico nel cloud

• Effettuare il provisioning di un'area di lavoro di Azure Machine Learning
• Usare strumenti e codice per usare Azure Machine LearningUse tools and code to work with Azure Machine Learning
• Usare designer per eseguire il training di un modello di apprendimento automaticoUse designer to train a machine learning model
• Distribuire una pipeline di progettazione come servizioDeploy a Designer pipeline as a service
• Eseguire esperimenti basati su codice in un'area di lavoro di Azure Machine LearningRun code-based experiments in an Azure Machine Learning workspace
• Formare e registrare modelli di apprendimento automatico
• Creare e utilizzare datastore
• Creare e utilizzare set di dati
• Creare e utilizzare ambienti
• Creare e usare destinazioni di calcoloCreate and use compute targets
• Creare pipeline per automatizzare i flussi di lavoro di apprendimento automaticoCreate pipelines to automate machine learning workflows
• Pubblicare ed eseguire servizi pipeline
• Pubblicare un modello come servizio di inferenza in tempo realePublish a model as a real-time inference service
• Pubblicare un modello come servizio di inferenza batchPublish a model as a batch inference service
• Ottimizzare gli iperparametri per il training del modelloOptimize hyperparameters for model training
• Usare l'apprendimento automatico automatico per trovare il modello ottimale per i dati
• Genera spiegazioni del modello con l'apprendimento automatico automatizzato
• Usare gli strumenti di spiegazione per interpretare i modelli di apprendimento automaticoUse spiegatoers to interpret machine learning models
• Usare Application Insights per monitorare un modello pubblicatoUse Application Insights to monitor a published model
• Monitorare la data drift

• Una conoscenza di base di Microsoft Azure
• Esperienza di scrittura di codice Python per lavorare con i dati, utilizzando librerie come Numpy, Pandas e Matplotlib.
• Comprensione dell'analisi scientifica dei dati; tra cui come preparare i dati e addestrare modelli di apprendimento automatico utilizzando librerie comuni di apprendimento automatico come Scikit-Learn, PyTorch o Tensorflow