DP-100 |

Designing and Implementing a Data Science Solution on Azure

Descrizione

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.

Dettagli Corso

PERSONALIZZA:

Scopri come

Promozioni:

Scopri quali

Calendario:

Verifica date

Sede:

Milano, Roma, Padova, Online

PREZZO:

1.250€ IVA esclusa

DURATA:

3 giorni

Destinatari

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

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

DP-100 |

Designing and Implementing a Data Science Solution on Azure

Descrizione

Dettagli Corso

Destinatari

Recensioni

Lascia una recensione Annulla risposta

Programma

Programma

Scarica il PDF

Programma

Ricerca

Categorie

Corsi Correlati

Vendor

Contatti

Milano

Padova

Roma

Indirizzo

Corso personalizzato?

Calendario

Richiedi informazioni