Выберите удобное для вас число,
запишитесь на курс, заполнив простую форму
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.
Сертификации:
Экзамен DP-100: Проектирование и реализация решения для обработки и анализа данных в Azure
Часть требований для: Microsoft Certified: Azure Data Scientist Associate (Сертификация Майкрософт. Помощник Специалиста по обработке и анализу данных)
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
Цель 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
Аудитория курса:
Данный курс будет полезен специалистам по данным и техническим специалистам, ответственным за развертывание и обучение моделей машинного обучения.
Модуль 1: Data Science в Azure
Этот модуль посвящен процессу работы с данными и роли специалиста по данным. Главная задача - понять, как службы Azure могут помочь процессу обработки данных.
Введение в процесс Data Science
Обзор опций Azure Data Science
Введение в Azure Notebooks
Модуль 2: Работа с данными с использованием службы машинного обучения Azure
Слушатели узнают, как использовать службу машинного обучения Azure для полной автоматизации процесса обработки данных.
Введение в службу Azure Machine Learning (AML)
Регистрация и развертывание моделей машинного обучения с помощью службы AML
Модуль 3: Автоматизация процессов машинного обучения с использованием службы Azure Machine Learning
В ходе данного модуля слушатели узнают о конвейере машинного обучения и использовании служб AutoML и HyperDrive для автоматизации трудоемких задач.
Автоматизация выбора модели машинного обучения
Автоматизация изменения гиперпараметров с помощью HyperDrive
Модуль 4: Управление моделями машинного обучения с помощью службы Azure Machine Learning, мониторинг их работы
В ходе данного модуля слушатели узнают об автоматическом управлении и мониторинге моделей машинного обучения в службе Azure Machine Learning.
Управление моделями машинного обучения, мониторинг их работы