Kurs-ID: MOC_DP-100T01
Kurs MOC DP-100T01 Designing and Implementing a Data Science Solution on Azure
MOC DP-100T01
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 Datenaufnahme und -aufbereitung, die Modellschulung und -bereitstellung sowie die Überwachung von maschinellen Lernlösungen in Microsoft Azure zu verwalten.
Dieses Training findet in Kooperation mit softwareOne statt.
Seminarinhalte
- Einführung in Azure Machine Learning
- Arbeiten mit Azure Machine Learning
- Automatisiertes maschinelles Lernen
- Azure Machine Learning-Designer
- Einführung in Experimente
- Trainieren und Registrieren von Modellen
- Arbeiten mit Datenspeichern
- Arbeiten mit Datasets
- Arbeiten mit Datenspeichern
- Arbeiten mit Datasets
- Einführung in Pipelines
- Veröffentlichen und Ausführen von Pipelines
- Echtzeitrückschließen
- Batchrückschließen
- Continuous Integration und Continuous Delivery
- Hyperparameteroptimierung
- Automatisiertes maschinelles Lernen
- Differential Privacy
- Interpretierbarkeit von Modellen
- Fairness
- Überwachen von Modellen mit Application Insights
- Überwachen der Datendrift
Kursthemen
Das Training MOC DP-100T01 Designing and Implementing a Data Science Solution on Azure ist folgendem Thema zugeordnet:
Zielgruppe
Dieser Kurs richtet sich an Datenwissenschaftler 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.
Voraussetzungen
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
- Arbeiten mit Containern
Dauer und Zeiten
4 Kurstage