Logo Microsoft Azure

Designing and Implementing a Data Science Solution on Azure

5,0 1 Bewertung 
Wissensgarantie:
12 Monate
Hersteller-ID:
DP-100T01
Examen-ID:
DP-100
Trainings-ID:
DP-100T01

Inhalt des Trainings

Lernen Sie, wie man mit Azure Machine Learning Lösungen im Cloudmaßstab bedient. In diesem Kurs lernen Sie, Ihr vorhandenes Wissen über Python und maschinelles Lernen zu nutzen, um die Datenerfassung und -aufbereitung, die Modellschulung und -bereitstellung sowie die Überwachung von Lösungen für maschinelles Lernen mit Azure Machine Learning und MLflow zu verwalten.

Zielgruppen

Dieser Kurs richtet sich an Datenwissenschaftler*innen mit bereits vorhandenen Kenntnissen über Python und Frameworks für maschinelles Lernen wie ScikitLearn, PyTorch und Tensorflow, die maschinelle Lernlösungen in der Cloud erstellen und betreiben wollen.

Vorkenntnisse

Erfolgreiche Azure Data Scientists haben zu Beginn ihrer Tätigkeit bereits fundierte Kenntnisse zu Cloud Computing-Konzepten und Erfahrung mit allgemeinen Tools und Techniken in den Bereichen Data Science und maschinelles Lernen. 

Dies gilt insbesondere in folgenden Fällen:
  • Erstellen von Cloudressourcen in Microsoft Azure
  • Verwenden von Python zum Untersuchen und Visualisieren von Daten
  • Trainieren und Überprüfen von Machine Learning-Modellen mit gängigen Frameworks wie Scikit-Learn, PyTorch und TensorFlow

Detail-Inhalte

Entwerfen einer Datenerfassungsstrategie für Machine Learning-Projekte
  • Identifizieren Ihrer Datenquelle und des Datenformats
  • Auswählen der Bereitstellungsweise von Daten für Machine Learning-Workflows
  • Entwerfen einer Datenerfassungslösung
Entwerfen einer Trainingslösung für das Machine Learning-Modell
  • Identifizieren von Machine Learning-Aufgaben
  • Auswählen eines Diensts zum Trainieren eines Machine Learning-Modells
  • Entscheiden zwischen Computeoptionen
Entwerfen einer Modellbereitstellungslösung
  • Grundlegendes zur Nutzung des Modells
  • Entscheiden für die Echtzeit- oder Batchbereitstellung
Erkunden der Ressourcen und Objekte des Azure Machine Learning-Arbeitsbereichs
  • Erstellen eines Azure Machine Learning-Arbeitsbereichs
  • Identifizieren von Azure Machine Learning-Ressourcen
  • Identifizieren von Azure Machine Learning-Objekten
  • Trainieren von Modellen im Arbeitsbereich
Erkunden von Entwicklertools für die Interaktion mit dem Arbeitsbereich
  • Erkunden des Studios
  • Erkunden des Python SDK
  • Erkunden der CLI
Verfügbarmachen von Daten in Azure Machine Learning
  • Grundlegendes zu URIs
  • Erstellen eines Datenspeichers
  • Erstellen einer Datenressource
Arbeiten mit Computezielen in Azure Machine Learning
  • Wählen Sie das entsprechende Computeziel aus
  • Erstellen und Verwenden einer Computeinstanz
  • Erstellen und Verwenden eines Computeclusters
Arbeiten mit Umgebungen in Azure Machine Learning
  • Grundlegendes zu Umgebungen
  • Erkunden und Verwenden von kuratierten Umgebungen
  • Erstellen und Verwenden von benutzerdefinierten Umgebungen
Ermitteln des besten Klassifizierungsmodells mit automatisiertem maschinellem Lernen
  • Vorverarbeiten von Daten und Konfigurieren der Featurisierung
  • Ausführen eines Experiments für automatisiertes maschinelles Lernen
  • Auswerten und Vergleichen von Modellen
Nachverfolgen des Modelltrainings in Jupyter-Notebooks mit MLflow
  • Konfigurieren von MLflow für die Modellnachverfolgung in Notebooks
  • Trainieren und Nachverfolgen von Modellen in Notebooks
Ausführen eines Trainingsskripts als Befehlsauftrag in Azure Machine Learning
  • Konvertieren eines Notebooks in ein Skript
  • Ausführen eines Skripts als Befehlsauftrag
  • Verwenden von Parametern in einem Befehlsauftrag
Nachverfolgen des Modelltrainings mit MLflow in Aufträgen
  • Nachverfolgen von Metriken mit MLflow
  • Anzeigen von Metriken und Bewerten von Modellen
Ausführen von Pipelines in Azure Machine Learning
  • Einfügen von Komponenten
  • Erstellen einer Pipeline
  • Ausführen eines Pipelineauftrags
Durchführen der Hyperparameteroptimierung mit Azure Machine Learning
  • Definieren eines Suchbereichs
  • Konfigurieren einer Samplingmethode
  • Konfigurieren der vorzeitigen Beendigung
  • Verwenden eines Sweepauftrags für die Hyperparameteroptimierung
Bereitstellen eines Modells auf einem verwalteten Onlineendpunkt
  • Erkunden verwalteter Onlineendpunkte
  • Bereitstellen eines MLflow-Modells auf einem verwalteten Onlineendpunkt
  • Bereitstellen eines Modells auf einem verwalteten Onlineendpunkt
  • Testen verwalteter Onlineendpunkte
Bereitstellen eines Modells an einem Batchendpunkt
  • Verstehen und Erstellen von Batchendpunkten
  • Bereitstellen eines MLflow-Modells an einem Batchendpunkt
  • Bereitstellen eines benutzerdefinierten Modells an einem Batchendpunkt
  • Aufrufen von und Behandeln von Problemen bei Batchendpunkten

Empfohlene Kenntnisse

Downloads

Jetzt online buchen

  • 26.06.-29.06.2023 26.06.2023 4 Tage 4T online Online
    Powered by brainymotion.
    • Online € 2.300,-

      Virtual Classroom

    • Online inkl. Examen € 2.465,-
  • 17.07.-20.07.2023 17.07.2023 4 Tage 4T Wien Online
    • Präsenz € 2.300,-

      Vor-Ort im Trainingszentrum

    • Online € 2.300,-

      Virtual Classroom

    • Präsenz inkl. Examen € 2.465,-
      • Ihr ILT Training (Instructor Led Training)
      • Trainingsunterlagen, Teamwork, Labs
      • Verpflegung vor Ort
      • Training-Services
      • inkl. Examen zu Ihrem Training
    • Online inkl. Examen € 2.465,-
  • 21.08.-24.08.2023 21.08.2023 4 Tage 4T online Online
    Powered by brainymotion.
    • Online € 2.300,-

      Virtual Classroom

    • Online inkl. Examen € 2.465,-
  • 11.09.-14.09.2023 11.09.2023 4 Tage 4T Wien Online
    • Präsenz € 2.300,-

      Vor-Ort im Trainingszentrum

    • Online € 2.300,-

      Virtual Classroom

    • Präsenz inkl. Examen € 2.465,-
      • Ihr ILT Training (Instructor Led Training)
      • Trainingsunterlagen, Teamwork, Labs
      • Verpflegung vor Ort
      • Training-Services
      • inkl. Examen zu Ihrem Training
    • Online inkl. Examen € 2.465,-
  • 06.11.-09.11.2023 06.11.2023 4 Tage 4T Wien Online
    • Präsenz € 2.300,-

      Vor-Ort im Trainingszentrum

    • Online € 2.300,-

      Virtual Classroom

    • Präsenz inkl. Examen € 2.465,-
      • Ihr ILT Training (Instructor Led Training)
      • Trainingsunterlagen, Teamwork, Labs
      • Verpflegung vor Ort
      • Training-Services
      • inkl. Examen zu Ihrem Training
    • Online inkl. Examen € 2.465,-
  • 20.11.-23.11.2023 20.11.2023 4 Tage 4T online Online
    Powered by brainymotion.
    • Online € 2.300,-

      Virtual Classroom

    • Online inkl. Examen € 2.465,-

Preise exkl. MwSt.

Sie haben Fragen?

Ihr ETC Support

Kontaktieren Sie uns!

+43 1 533 1777-99
E-Mail

Wir rufen Sie gerne an.
Datenschutz*
Hidden
Hidden
Hidden
5,0

1 Bewertung

  • 04.11.2022

    Das Seminar hat einen sehr guten Überblick zu den vorhandenen Möglichkeiten in Azure gegeben. Der Vortragende ist super informiert und hat Fragen sehr gut und verständlich beantwortet/erklärt.

    — Melanie Z.

Unsere Empfehlungen für Sie

Logo Microsoft Azure

Python für Data Science, Maschinelles Lernen & Visualisierung

12.06.2023+1
€ 2.875,-