Курс рассматривает использование решений для машинного обучения в облачном масштабе с помощью Azure Machine Learning. Этот курс обучает использованию имеющихся знаний Python и машинного обучения для управления получением и подготовкой данных, обучением и развертыванием моделей, и мониторингом решений для машинного обучения в Microsoft Azure.
Курс будет полезным компаниям, перенесшим большой объем данных в Azure, планирующих использовать Data Lake, структурировать и централизованно обрабатывать данные.
По окончании курса слушатели смогут:
- использовать язык программирования Python для машинного обучения в Microsoft Azure;
- управлять получением и подготовкой данных, обучением и развертыванием моделей, а также мониторингом решений машинного обучения в облаке;
- получить опыт работы с Scikit-Learn, PyTorch и Tensorflow.
Аудитория
Этот курс предназначен для специалистов по обработке данных (Аналитиков, Data Scientists, Data Engineers), обладающих знаниями в области Python и систем машинного обучения, таких как Scikit-Learn, PyTorch и Tensorflow, умеют программировать, и которые хотят создавать и оперировать решениями для Azure Machine Learning в облаке.
Задача – анализ данных, полученных из разных источников, преобразование, поиск зависимостей, трендов, статистика.
Для эффективного обучения на курсе, слушатели должны обладать следующими знаниями и навыками:
- иметь значительные знания по Microsoft Azure;
- опыт написания кода Python для работы с данными, используя такие библиотеки, как Numpy, Pandas и Matplotlib;
- ознакомленность с наукой о данных; включая понимание процесса подготовки данных и обучения моделей машинного обучения с использованием общих библиотек машинного обучения, таких как Scikit-Learn, PyTorch или Tensorflow.
- Создание решения для машинного обучения
- Разработка стратегии приема данных для проектов машинного обучения
- Разработка учебного решения модели машинного обучения
- Разработка модели решения для развертывания
- Создание решения для операций машинного обучения (MLOps)
- Исследование рабочей области Azure Machine Learning
- Знакомство с ресурсами и активами рабочей области Azure Machine Learning
- Исследование инструментов разработчика для взаимодействия с рабочим пространством
- Предоставление доступа до данных в Azure Machine Learning
- Работа с вычислительными целями в Azure Machine Learning
- Работа со средами в Azure Machine Learning
- Работа с Azure Machine Learning
- Исследование автоматизированного машинного обучения
- Поиск лучшей модели классификации с помощью автоматизированного машинного обучения
- Отслеживание обучения моделей в блокнотах Jupyter с помощью MLflow
- Оптимизация обучения модели в Azure Machine Learning
- Запуск учебного сценария как командной задачи в Azure Machine Learning
- Отслеживание обучения модели с помощью MLflow на рабочих местах
- Выполнение настройки гиперпараметров с помощью Azure Machine Learning
- Запуск конвейеров в Azure Machine Learning
- Управление и оценка модели в Azure Machine Learning
- Регистрация модели MLflow в Azure Machine Learning
- Создание и изучение дашборда Responsible AI для модели в Azure Machine Learning
- Развертывание и использование модели с помощью Azure Machine Learning
- Развертывание модели на управляемой онлайн-конечной точке
- Развертывание модели в пакетной конечной точке