Tuki

Nosta asiantuntemustasi: Opi enemmän, säästä enemmän ja saavuta enemmän ainutlaatuisilla koulutustarjouksillamme!

Kurssin yhteenveto

Tämä kurssi on suunniteltu datatieteilijöille, joilla on jo tietoa Pythonista ja koneoppimiskehyksistä, kuten Scikit-Learn, PyTorch ja Tensorflow, ja jotka haluavat rakentaa ja käyttää koneoppimisratkaisuja pilvessä. Opiskelijat oppivat,

Suunnittele koneoppimisratkaisu
Tutustu Azure Machine Learning -työtilaan
Datan käsittely Azure Machine Learningissa
Laskennan käyttö Azure Machine Learningissa
Automatisoi koneoppimismallin valinta Azure Machine Learningin avulla
Käytä muistikirjoja kokeiluihin Azure Machine Learningissa
Kouluta malleja skriptien avulla Azure Machine Learningissa
Optimoi mallikoulutus Azure Machine Learningin projektien avulla
Hallitse ja tarkastele malleja Azure Machine Learningissa
Ota käyttöön ja käytä malleja Azure Machine Learningin avulla

Koneoppimisratkaisun suunnittelu ja valmistelu (20–25 %)
Suunnittele koneoppimisratkaisu
Määritä sopivat laskentavaatimukset koulutustyömäärälle

Kuvaile mallin käyttöönottovaatimukset

Valitse, mitä kehitysmenetelmää käytetään mallin rakentamiseen tai kouluttamiseen

Azure Machine Learning -työtilan hallinta
Luo Azure Machine Learning -työtila

Hallitse työtilaa käyttämällä kehittäjätyökaluja työtilan vuorovaikutukseen

Git-integraation määrittäminen versionhallintaa varten

Rekisterien luominen ja hallinta

Hallitse tietoja Azure Machine Learning -työtilassa
Valitse Azure-tallennustilan resurssit

Rekisteröi ja ylläpidä tietovarastoja

Luo ja hallinnoi dataresursseja

Laskennan hallinta Azure Machine Learningin kokeiluissa
Luo laskentatavoitteita kokeiluja ja koulutusta varten

Valitse koneoppimisen käyttötapauksen ympäristö

Liitettyjen laskentaresurssien, mukaan lukien Apache Spark -poolien, määrittäminen

Laskentatehokkuuden seuranta

Tutki dataa ja kouluta malleja (35–40 %)
Tutki dataa käyttämällä dataresursseja ja datasäilöjä
Käytä ja käsittele tietoja interaktiivisen kehityksen aikana

Interaktiivisen datan käsittely Apache Sparkin avulla

Luo malleja Azure Machine Learning Designerilla
Luo koulutusputki

Käytä suunnittelijan dataresursseja

Käytä mukautettuja koodikomponentteja suunnitteluohjelmassa

Arvioi mallia, mukaan lukien vastuullisen tekoälyn ohjeet

Käytä automaattista koneoppimista optimaalisten mallien tutkimiseen
Käytä automaattista koneoppimista taulukkomuotoiseen dataan

Käytä automaattista koneoppimista konenäön kehittämiseen

Käytä automaattista koneoppimista luonnollisen kielen käsittelyyn

Valitse ja ymmärrä koulutusvaihtoehdot, mukaan lukien esikäsittely ja algoritmit

Arvioi automatisoitua koneoppimisajoa, mukaan lukien vastuullisen tekoälyn ohjeet

Käytä muistikirjoja mukautetun mallin koulutukseen
Koodia kehitetään laskentainstanssin avulla

Mallikoulutuksen seuraaminen MLflow'n avulla

Mallin arviointi

Mallin kouluttaminen Python SDKv2:n avulla

Käytä terminaalia laskentainstanssin määrittämiseen

Hyperparametrien hienosäätö Azure Machine Learningin avulla
Valitse otantamenetelmä

Määrittele hakuavaruus

Määritä ensisijainen mittari

Määritä ennenaikaisen irtisanomisen vaihtoehdot

Valmistele malli käyttöönottoa varten (20–25 %)
Suorita mallin koulutusskriptejä
Skriptin työajoasetusten määrittäminen

Laskennan määrittäminen työn suoritusta varten

Käytä tietoja tietoresurssista työssä

Suorita komentosarja tehtävänä Azure Machine Learningin avulla

Käytä MLflow'ta työsuorituksen mittareiden kirjaamiseen

Lokien käyttäminen töiden suoritusvirheiden vianmääritykseen

Ympäristön määrittäminen työn suoritusta varten

Työn parametrien määrittäminen

Toteuta koulutusputket
Luo putki

Tiedon välittäminen putken vaiheiden välillä

Suorita ja aikatauluta putki

Putkilinjan suoritusten valvonta

Luo mukautettuja komponentteja

Käytä komponenttipohjaisia ​​​​putkistoja

Mallien hallinta Azure Machine Learningissa
Kuvaile MLflow-mallin tuotos

Tunnista sopiva viitekehys mallin paketoimiseksi

Arvioi mallia käyttämällä vastuullisia tekoälyohjeita

Mallin käyttöönotto ja uudelleenkoulutus (10–15 %)
Ota malli käyttöön
Online-käyttöönoton asetusten määrittäminen

Laskennan määrittäminen eräkäyttöönottoa varten

Mallin käyttöönotto online-päätepisteessä

Mallin käyttöönotto eräpäätepisteessä

Testaa verkossa käyttöönotettua palvelua

Eräpisteytystyön aloittaminen eräpäätepisteen kutsumisella

Käytä koneoppimisoperaatioiden (MLOps) käytäntöjä
Käynnistä Azure Machine Learning -työ, mukaan lukien Azure DevOpsista tai GitHubista

Automatisoi mallin uudelleenkoulutus uusien tietojen lisäysten tai tietojen muutosten perusteella

Määritä tapahtumapohjaiset uudelleenkoulutuksen käynnistimet

Ennen kurssille osallistumista opiskelijoilla tulee olla: Perustiedot Microsoft Azuresta Kokemusta Python-koodin kirjoittamisesta datan käsittelemiseksi käyttäen kirjastoja, kuten Numpy, Pandas ja Matplotlib. Ymmärrystä datatieteestä, mukaan lukien datan valmistelu ja koneoppimismallien kouluttaminen yleisten koneoppimiskirjastojen, kuten Scikit-Learnin, PyTorchin tai Tensorflow'n, avulla.

Koneoppimisratkaisun suunnittelu ja valmistelu (20–25 %) Datan tutkiminen ja mallien kouluttaminen (35–40 %) Mallin valmistelu käyttöönottoa varten (20–25 %) Mallin käyttöönotto ja uudelleenkoulutus (10–15 %)

Varauksesi jälkeen lähetetään vahvistusviesti kaikille osallistujille, jotta tiedät varmasti, että olet ilmoittautunut onnistuneesti. Saat myös kalenterimerkintöjä, jotka auttavat sinua aikatauluttamaan kurssin aikataulusi. Voit olla varma, että kaikki kurssimateriaalit ja tarvittavat laboratoriot tai alustat toimitetaan viimeistään viikkoa ennen kurssin alkua, joten sinulla on runsaasti aikaa valmistautua ja osallistua täysipainoisesti tulevaan oppimiskokemukseen.

Kattava koulutuspakettimme sisältää kaikki tarvittavat materiaalit ja resurssit täyden oppimiskokemuksen mahdollistamiseksi. Ilmoittautuneille tarjotaan yksityiskohtainen kurssisisältö, joka kattaa laajan kirjon aiheita aiheen perusteellisen ymmärtämisen varmistamiseksi. Lisäksi osallistujat saavat todistuksen kurssin suorittamisesta tunnustuksena omistautumisestaan ​​ja ahkerasta työstään. On tärkeää huomata, että vaikka kurssimaksu kattaa kaikki koulutusmateriaalit ja -kokemukset, sertifiointikokeen maksu ei sisälly hintaan, vaan sen voi ostaa erikseen.
Lähetä valmiiksi täytettynä ostoskorina
Pyydä räätälöityä toimitusta

Kysymyksiä tästä kurssista?







    Muita suosittuja kursseja

    CompTIA: SecurityX
    • Kesto: 5 päivää
    • Kieli: Englanti
    • Taso: Lisää
    • Koe: CAS-005
    kurssin yksityiskohdat Tästä tuotteesta on useita muunnelmia. Vaihtoehdot voidaan valita tuotesivulta
    Päivämäärät ja tiedot
    Johdon kyberriskien sertifiointi (ECRC)
    • Kesto: 2 päivää
    • Kieli: Englanti
    • Taso: Lisää
    • Koe: ECRC
    kurssin yksityiskohdat Tästä tuotteesta on useita muunnelmia. Vaihtoehdot voidaan valita tuotesivulta
    Päivämäärät ja tiedot
    Viestintä- ja esitystekniikan hallitseminen...
    • Kesto: 5 päivää
    • Kieli: Tanskan kieli
    • Taso: väli-
    • Koe: MCPT
    kurssin yksityiskohdat Tästä tuotteesta on useita muunnelmia. Vaihtoehdot voidaan valita tuotesivulta
    Päivämäärät ja tiedot