Entwerfen und Implementieren einer Data Scientist Lösung unter Azure

Dieser Kurs richtet sich an Datenwissenschaftler mit vorhandenen Kenntnissen in Python und Machine-Learning-Frameworks wie Scikit-Learn, PyTorch und Tensorflow, die Machine-Learning-Lösungen in der Cloud aufbauen und betreiben wollen.

Erfolgreiche Azure Data Scientists beginnen ihre Tätigkeit mit grundlegenden Kenntnissen über Cloud Computing-Konzepte und Erfahrung mit allgemeinen Data Science- und Machine Learning-Tools und -Techniken.

Konkret:

• Erstellen von Cloud-Ressourcen in Microsoft Azure.
• Verwendung von Python zur Erforschung und Visualisierung von Daten.
• Training und Validierung von Machine-Learning-Modellen mit gängigen Frameworks wie Scikit-Learn, PyTorch und TensorFlow.
• Arbeiten mit ContainernUm diese Grundkenntnisse zu erwerben, sollten Sie vor der Teilnahme am Kurs die folgende kostenlose Online-Schulung absolvieren:
• Erkunden Sie die Microsoft Cloud-Konzepte.
• Erstellen Sie Modelle für maschinelles Lernen.
• Verwalten von Containern in AzureWenn Sie völlig neu im Bereich Data Science und maschinelles Lernen sind, sollten Sie zunächst die Microsoft Azure AI Fundamentals absolvieren.

• Entwurf einer Strategie zur Datenaufnahme für Projekte des maschinellen Lernens".
• Entwurf einer Lösung für das Training von Modellen für maschinelles Lernen
• Entwerfen einer Lösung für die Bereitstellung von Modellen
• Erkunden Sie die Ressourcen und Assets des Azure Machine Learning-Arbeitsbereichs
• Entwicklertools für die Interaktion im Arbeitsbereich erkunden
• Daten in Azure Machine Learning verfügbar machen
• Arbeit mit Berechnungszielen in Azure Machine Learning
• Arbeit mit Umgebungen in Azure Machine Learning
• Finden Sie das beste Klassifizierungsmodell mit automatisiertem maschinellem Lernen
• Modelltraining in Jupyter-Notebooks mit MLflow verfolgen
• Ausführen eines Trainingsskripts als Befehlsauftrag in Azure Machine Learning
• Modelltraining mit MLflow in Aufträgen verfolgen
• Ausführen von Pipelines in Azure Machine Learning
• Hyperparameter-Abstimmung mit Azure Machine Learning durchführen
• Bereitstellen eines Modells auf einem verwalteten Online-Endpunkt
• Bereitstellen eines Modells für einen Batch-Endpunkt

Zertifizierung