Опис курсу
Даний курс надає слухачам знання та навички використання служб Azure для розробки, навчання і розгортання рішень машинного навчання. Курс починається з огляду служб Azure, які можуть використовуватися в роботі з даними (data scientists). Важливо розуміти, що основна увага приділяється саме сервісів Azure, а не введення в науку даних, тобто слухачі вже повинні мати попередніми знаннями.
Аудиторія
Даний курс буде корисний фахівцям з даним та технічним фахівцям, відповідальним за розгортання і навчання моделей машинного навчання.
Попередні вимоги
Для проходження даного курсу слухачі повинні володіти такими знаннями і навичками:
- Фундаментальні знання про інфраструктуру Azure
- Розуміння ключових основ науки даних, включаючи принципи підготовки даних або вибору найкращої моделі
- Навички програмування на Python, включаючи розуміння бібліотек: pandas, scikit-learn, matplotlib і seaborn
Цілі курсу
Після проходження даного курсу слухачі будуть вміти:
- Створювати робочий простір Azure Machine Learning
- Використовувати інструменти і код для роботи зі службою машинного навчання Azure
- Використовувати Designer для навчання моделі машинного навчання
- Розгортати конвеєр Azure Designer як службу
- Виконувати експерименти в робочій області Azure Machine Learning
- Навчати моделі машинного навчання
- Працювати з сховищами даних
- Створювати і використовувати набори даних
- Створювати і використовувати обчислювані середовища
- Створювати і використовувати цільові показники обчислень
- Створювати конвеєри для автоматизації процесів машинного навчання.
- Опублікувати і запускати служби конвеєра
- Опублікувати модель як сервіс виведення в реальному часі
- Опублікувати модель як сервіс пакетного виведення
- Оптимізувати гіперпараметри навчання моделі
- Використовувати автоматичне машинне навчання для пошуку оптимальної моделі для даних
- Використовувати пояснення для інтерпретації моделей машинного навчання
- Використовувати Application Insights для моніторингу опублікованій моделі
- Моніторити дрейф даних