Designing and Implementing a Data Science Solution on Azure
Lär dig hur du använder maskininlärningslösningar i molnskala med Azure Machine Learning. Under den här utbildningen lär du dig att utnyttja av din befintliga kunskap om Python och maskininlärning för att hantera dataintag och dataförberedelse, modellträning och implementering och övervakning av maskininlärningslösningar med Azure Machine Learning och MLflow.
Målgrupp och förkunskaper
Den här kursen vänder sig till Data Scientists och andra som arbetar med Machine Learning-modeller. Observera att kursen handlar om Azure, inte om generell Data Science. Dessa förkunskaper krävs:
- Grundläggande kunskap om Azure.
- Kunskap om programmering med Python
- Förståelse för Machine Learning, inklusive hur man tränar modeller med bibliotek såsom Scikit-Learn, PyTorch, or Tensorflow.
För att alltid hålla en hög kvalitet på våra teknikkurser använder vi både engelsk- och svensktalande experter som kursledare.
Detaljerad information
Kursmaterialet är på engelska, med detta innehåll:
Design a machine learning solution
- Design a data ingestion strategy for machine learning projects
- Design a machine learning model training solution
- Design a model deployment solution
Explore the Azure Machine Learning workspace
- Explore Azure Machine Learning workspace resources and assets
- Explore developer tools for workspace interaction
Make data available in Azure Machine Learning
- Make data available in Azure Machine Learning
Work with compute in Azure Machine Learning
- Work with compute targets in Azure Machine Learning
- Work with environments in Azure Machine Learning
Automate machine learning model selection with Azure Machine Learning
- Explore Automated Machine Learning
- Find the best classification model with Automated Machine Learning
Use notebooks for experimentation in Azure Machine Learning
- Track model training in notebooks with MLflow
Train models with scripts in Azure Machine Learning
- Run a training script as a command job in Azure Machine Learning
- Track model training with MLflow in jobs
- Perform hyperparameter tuning with Azure Machine Learning
Optimize model training in Azure Machine Learning
- Run pipelines in Azure Machine Learning
Manage and review models in Azure Machine Learning
- Register an MLflow model in Azure Machine Learning
- Create and explore the Responsible AI dashboard
Deploy and consume models with Azure Machine Learning
- Deploy a model to a managed online endpoint
- Deploy a model to a batch endpoint
Design a machine learning operations (MLOps) solution
- Design a machine learning operations (MLOps) solution
Relaterat innehåll
Att arbeta effektivt i Google Cloud Platform (GCP) kräver både förståelse för plattformens grundläggande byggstenar och praktisk förmåga att designa, drifta och skala lösningar. Cornerstone erbjuder ett sammanhållet kursutbud som tar dig från introduktion till arkitektur och produktion – i din takt och på det sätt som passar din verksamhet.
Är du osäker på vad alla Microsofts AI-verktyg egentligen gör – och vilket som passar dig? Du är inte ensam.
Nu smalnar vägen av för den som vill fortsätta med Exchange Server och inte gå över till molnbaserad messaging. I juli lanserades Exchange Server med prenumerationslicens, och innan årets slut är detta den enda supportade On Premise-versionen.