Designing and Implementing a Data Science Solution on Azure (DP-100)

 

Course Overview

Данный курс предоставляет слушателям знания и навыки использования служб Azure для разработки, обучения и развертывания решений машинного обучения. Курс начинается с обзора служб Azure, которые могут использоваться в работе с данными (data scientists). Важно понимать, что основное внимание уделяется именно сервисам Azure, а не введению в науку данных, то есть слушатели уже должны обладать предварительными знаниями.

Кому следует посетить

Данный курс будет полезен специалистам по данным и техническим специалистам, ответственным за развертывание и обучение моделей машинного обучения.

Предварительные требования

Для прохождения данного курса слушатели должны обладать следующими знаниями и навыками:

  • Фундаментальные знания об инфраструктуре Azure
  • Понимание ключевых основ науки данных, включая принципы подготовки данных или выбора наилучшей модели
  • Навыки программирования на Python, включая понимание библиотек: pandas, scikit-learn, matplotlib и seaborn

Цели курса

После прохождения данного курса слушатели будут уметь:

  • Создавать рабочее пространство Azure Machine Learning
  • Использовать инструменты и код для работы со службой машинного обучения Azure
  • Использовать Designer для обучения модели машинного обучения
  • Разворачивать конвейер Azure Designer как службу
  • Выполнять эксперименты в рабочей области Azure Machine Learning
  • Обучать модели машинного обучения
  • Работать с хранилищами данных
  • Создавать и использовать наборы данных
  • Создавать и использовать вычисляемые среды
  • Создавать и использовать целевые показатели вычислений
  • Создавать конвейеры для автоматизации процессов машинного обучения.
  • Публиковать и запускать службы конвейера
  • Публиковать модель как сервис вывода в реальном времени
  • Публиковать модель как сервис пакетного вывода
  • Оптимизировать гиперпараметры обучения модели
  • Использовать автоматическое машинное обучение для поиска оптимальной модели для данных
  • Использовать объяснения для интерпретации моделей машинного обучения
  • Использовать Application Insights для мониторинга опубликованной модели
  • Мониторить дрейф данных
Classroom training

Длительность 3 дня

Online training

Длительность 3 дня

 
Для регистрации на курс нажмите на название города Даты и регистрация
Ukraine
12.07. ― 14.07.2021 Online training Time zone: EEST Язык курса: pусский
RCIS
05.10. ― 07.10.2020 Online training Язык этого FLEX курса pусский
Time zone: MSK

Fast Lane Flex™ Classroom If you can't find a suitable date, don't forget to check our world-wide FLEX training schedule.

This is an Instructor-Led Online course
FLEX тренинги проводятся в классе с возможностью присутствия дистанционных слушателей.