Курс розглядає використання рішень для машинного навчання в хмарному масштабі за допомогою Azure Machine Learning. Цей курс навчає використанню наявних знань Python і машинного навчання для управління отриманням і підготовкою даних, для навчання і розгортання моделей, і моніторингу рішень для машинного навчання в Microsoft Azure.
Курс буде корисним компаніям, які перенесли великий обсяг даних в Azure, планують використовувати Data Lake, структурувати та централізовано обробляти дані.
Після закінчення курсу слухачі зможуть:
- використовувати мову програмування Python для машинного навчання в Microsoft Azure;
- управляти отриманням та підготовкою даних, навчанням та розгортанням моделей, а також моніторингом рішень машинного навчання в хмарі;
- отримати досвід роботи з Scikit-Learn, PyTorch та Tensorflow.
Аудиторія
Цей курс призначений для фахівців з обробки даних (для Аналітиків, Data Scientists, Data Engineers), що володіють знаннями в області Python і систем машинного навчання, таких як Scikit-Learn, PyTorch і Tensorflow, вміють програмувати та мають необхідність створювати та оперувати рішеннями для Azure Machine Learning в хмарі.
Завдання – аналіз даних, отриманих з різних джерел, перетворення, пошук залежностей, трендів, статистика.
Для ефективного навчання на курсі, слухачі повинні володіти такими знаннями і навичками:
- мати достатні знання з Microsoft Azure;
- досвід написання коду Python для роботи з даними, використовуючи такі бібліотеки, як Numpy, Pandas і Matplotlib;
- ознайомленість з наукою про дані; включаючи розуміння процесу підготовки даних і навчання моделей машинного навчання з використанням загальних бібліотек машинного навчання, таких як Scikit-Learn, PyTorch або Tensorflow.
- Створення рішення для машинного навчання
- Розробка стратегії прийому даних для проєктів машинного навчання
- Розробка навчального рішення моделі машинного навчання
- Розробка моделі рішення для розгортання
- Створення рішення для операцій машинного навчання (MLOps)
- Дослідження робочої області Azure Machine Learning
- Знайомство з ресурсами та активами робочої області Azure Machine Learning
- Дослідження інструментів розробника для взаємодії з робочим простором
- Надання доступу до даних в Azure Machine Learning
- Робота з обчислювальними цілями в Azure Machine Learning
- Робота з середовищами в Azure Machine Learning
- Робота з Azure Machine Learning
- Дослідження автоматизованого машинного навчання
- Пошук найкращої моделі класифікації за допомогою автоматизованого машинного навчання
- Відстеження навчання моделей у блокнотах Jupyter за допомогою MLflow
- Оптимізація навчання моделі в Azure Machine Learning
- Запуск навчального сценарію як командне завдання в Azure Machine Learning
- Відстеження навчання моделі за допомогою MLflow на робочих місцях
- Виконання налаштування гіперпараметрів за допомогою Azure Machine Learning
- Запуск конвеєрів у Azure Machine Learning
- Керування та оцінювання моделі в Azure Machine Learning
- Реєстрація моделі MLflow в Azure Machine Learning
- Створення і вивчення дашборда Responsible AI для моделі в Azure Machine Learning
- Розгортання та використання моделі за допомогою Azure Machine Learning
- Розгортання моделі на керованій онлайн-кінцевій точці
- Розгортання моделі у пакетній кінцевій точці