IT & Programování
Středně pokročilý
Hybridní
DP-100 - Designing and Implementing a Data Science Solution on Azure
Azure Data Scientist aplikuje své znalosti datové vědy a strojového učení na implementaci a provozování úloh strojového učení v Microsoft Azure; zejména pomocí služby Azure Machine Learning Service. To zahrnuje plánování a vytváření vhodného pracovního prostředí pro úlohy datové vědy v...
Azure Data Scientist aplikuje své znalosti datové vědy a strojového učení na implementaci a provozování úloh strojového učení v Microsoft Azure; zejména pomocí služby Azure Machine Learning Service. To zahrnuje plánování a vytváření vhodného pracovního prostředí pro úlohy datové vědy v Azure, spouštění experimentů s daty a školení prediktivních modelů, správu a optimalizaci modelů a nasazení modelů strojového učení do výroby.
Cíle kurzu
- Naučte se, jak provozovat řešení strojového učení v cloudovém měřítku pomocí Azure Machine Learning. Tento kurz vás naučí využít své stávající znalosti Pythonu a strojového učení ke správě příjmu a přípravy dat, tréninku a nasazení modelů a monitorování řešení strojového učení vpomocí Azure Machine Learning a MLflow.
Osnova kurzu
1
- Úvod do Azure Machine Learning
- Práce s Azure Machine Learning
- Lab: Vytvoření pracovního prostoru Azure Machine Learning
2
- Automatizované strojové učení
- Azure Machine Learning Designer
- Lab: Použití automatizovaného strojového učení
- Lab: Použití Azure Machine Learning Designer
3
- Úvod do experimentů
- Školení a registrace modelů
- Lab: Spouštění experimentů
- Lab: Tréninkové modely
4
- Práce s datovými úložišti
- Práce s datovými sadami
- Lab: Práce s daty
5
- Práce v prostředí
- Práce s výpočetními cíli
- Lab: Práce s výpočty
6
- Úvod do Pipeline
- Publikování a provozování Pipeline
- Lab: Tvorba Pipeline
7
- Vyvozování v reálném čase
- Dávkové odvozování
- Kontinuální integrace a doručování
- Lab: Vytvoření služby odvozování v reálném čase
- Lab: Vytvoření služby hromadného odvozování
8
- Vyladění hyperparametru
- Automatizované strojové učení
- Lab: Vyladění hyperparametrů
- Lab: Využití Automated Machine Learning ze sady SDK
9
- Diferenciální soukromí
- Interpretovatelnost modelu
- Spravedlnost
- Lab: Prozkoumejte rozdílové soukromí
- Lab: Interpretace modelů
- Lab: Zjištění a zmírnění nespravedlnosti
10
- Monitorování modelů pomocí Application Insights
- Monitorování driftu dat
- Lab: Monitorování modelu pomocí Application Insights
- Lab: Monitorování driftu dat
Termíny
DP-100 - Designing and Implementing a Data Science Solution on Azure
2026-04-07
Důležité informace
Materiály
Materiály jsou v elektronické podobě.
Kód kurzu
PU21010218
Mohlo by vás zajímat
