Corso DP-100T01 Azure Data Science

Designing and Implementing a Data Science Solution on Azure

Cloud Sviluppo

3 giorni

1.250,00

Descrizione

panoramica del corso:

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.

Destinatari

il corso è rivolto a:

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

Obiettivi

al termine del corso i partecipanti saranno in grado di:

  • 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

Pre-requisiti

per partecipare al corso:

  • 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

Module 1: Introduction to Azure Machine Learning

  • Getting Started with Azure Machine Learning
  • Azure Machine Learning Tools

Module 2: No-Code Machine Learning with Designer

  • Training Models with Designer
  • Publishing Models with Designer

Module 3: Running Experiments and Training Models

  • Introduction to Experiments
  • Training and Registering Models

Module 4: Working with Data

  • Working with Datastores
  • Working with Datasets

Module 5: Compute Contexts

  • Working with Environments
  • Working with Compute Targets

Module 6: Orchestrating Operations with Pipelines

  • Introduction to Pipelines
  • Publishing and Running Pipelines

Module 7: Deploying and Consuming Models

  • Real-time Inferencing
  • Batch Inferencing

Module 8: Training Optimal Models

  • Hyperparameter Tuning
  • Automated Machine Learning

Module 9: Interpreting Models

  • Introduction to Model Interpretation
  • using Model Explainers

Module 10: Monitoring Models

  • Monitoring Models with Application Insights
  • Monitoring Data Drift


2020

Marzo

Milano: 03 marzo 2020
Roma: 10 marzo 2020
Padova: 17 marzo 2020

Corso personalizzato?
Mai stato così semplice!
Designing and Implementing a Data Science Solution on Azure
su misura per te

Hai bisogno di un programma dedicato?
Scegli le date in accordo con i tuoi impegni
Vuoi un docente interamente dedicato?

Il Corso non ha promozioni attive

controlla i nostri corsi in promozione



Padova
Corso Stati Uniti 18/B
35127 Padova

Milano
Via Alessandro Volta, 16
20093 Cologno Monzese, Milano

Roma
Via Casilina 3T, Palazzina D
00182 Roma

Contatti
+39 022544271
learning@cegeka.it