Курс DP-100T01 Розробка та реалізація рішення Data Science в Azure | nt.ua

Курс DP-100T01 Розробка та реалізація рішення Data Science в Azure

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.


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, що володіють знаннями в області Python і систем машинного навчання, таких як Scikit-Learn, PyTorch і Tensorflow, які мають бажання створювати і оперувати рішеннями для машинного навчання в хмарі.


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.
  1. Вступ до Azure Machine Learning
    • Початок роботи з Azure Machine Learning
    • Інструменти Azure Machine Learning
  2. Машинне навчання без коду з використанням дизайнера
    • Тренувальні моделі з використанням дизайну
    • Публікаційні моделі з використанням дизайнера
  3. Використання експериментів і тренувальних моделей
    • Вступ до експериментів
    • Тренувальні та реєстраційні моделі
  4. Робота з даними
    • Робота зі сховищами даних
    • Робота з наборами даних
  5. Обчислення контекстів
    • Робота з середовищем
    • Робота з обчислювальними цілями
  6. Оркестровочні операції з використанням конвеєрів
    • Вступ до конвеєрів
    • Публікація і експлуатація конвеєрів
  7. Розгортання і використання моделей
    • Логічний висновок в реальному часі
    • Пакетний логічний висновок
  8. Тренувальні оптимальні моделі
    • Налаштування гіперпараметра
    • Автоматизоване машинне навчання
  9. Інтерпретація моделей
    • Вступ до інтерпретації моделі
    • Використання пояснювачів моделі
  10. Моніторинг моделей
    • Моніторинг моделей з використанням додатків
    • Моніторинг зміщення даних

Реєстрація на найближчий курс

Код курсу

DP-100T01

Код іспиту

DP-100

Тривалість, днів (годин)

3 (24)

Найближчі дати

за запитом

Ціна, грн