0 Artikel im Warenkorb

Designing and Implementing a Data Science Solution on Azure

Azure Data Scientists wenden ihre Kenntnisse in Data Science und Machine Learning an, um Machine Learning Workloads in Azure zu implementieren und auszuführen, insbesondere mithilfe des Azure Machine Learning Service. Dies umfasst das Planen und Erstellen einer geeigneten Arbeitsumgebung für Data Science Workloads in Azure, das Ausführen von Datenexperimenten und das Trainieren von Vorhersagemodellen, das Verwalten und Optimieren von Modellen sowie das Deployment von Machine Learning Modellen in der Produktion.

M-DP-100

Dauer

3 Tage

Zielgruppe

Dieser Kurs richtet sich an Data Scientists mit vorhandenen Kenntnissen in Python und Machine Learning Frameworks wie Scikit-Learn, PyTorch und Tensorflow, welche Machine Learning Lösungen in der Cloud erstellen und betreiben möchten.

Inhalt

Modul 1: Einführung in Azure Machine Learning
In diesem Modul erfährst du, wie du einen Azure-Workspace für Machine Learning bereitstellst und ihn zum Verwalten von Ressourcen für Machine Learning wie Daten, Rechenressourcen-, Modelltrainingsskripte geloggte Metriken und trainierte Modelle verwendest. Du erfährst, wie du die webbasierte Azure Machine Learning Studio-Oberfläche sowie das Azure Machine Learning SDK und Entwicklertools wie Visual Studio Code und Jupyter Notebooks verwendest, um mit den Assets in deinem Arbeitsbereich zu arbeiten.

  • Erste Schritte mit Azure Machine Learning
  • Azure-Tools für Machine Learning

Modul 2: Machine Learning ohne Code mit dem Designer
In diesem Modul wird das Designer-Tool vorgestellt, eine Drag & Drop-Oberfläche zum Erstellen von Modellen für Machine Learning, ohne Code zu schreiben. Du lernst, wie du eine Trainingspipeline erstellst, die die Datenvorbereitung und das Modelltraining umfasst. Diese Trainingspipeline konvertierst Du anschliessend in eine Inferenzpipeline mit welcher Werte aus neuen Daten vorhergesagt werden können, bevor du die Inferenzpipeline schliesslich als Service für Clientanwendungen bereitstellst.

  • Trainingsmodelle mit Designer
  • Modelle mit Designer veröffentlichen

Modul 3: Experimente und Trainieren von Modellen
In diesem Modul lernst Du, wie Du mit Experimenten, welche die Datenverarbeitung und Modelltrainingsskripte kapseln, ML Modelle mit Azure Machine Learning trainierst.

  • Einführung in Experimente
  • Training und Registrierung von Modellen

Modul 4: Arbeiten mit Daten
Daten sind ein grundlegendes Element in jedem Workload für Machine Learning. In diesem Modul erfährst du, wie du Datenstores und Datasets in einem Azure Machine Workspace erstellst, verwaltest und für das Trainieren von Modellen in  Experimenten verwendest.

  • Arbeiten mit Datastores
  • Arbeiten mit Datasets

Modul 5: Compute Contexts (Rechenressourcen)
Einer der Hauptvorteile der Cloud ist die Möglichkeit, Rechenressourcen bei Bedarf zu nutzen und damit maschinelle Lernprozesse in einem Ausmaß zu skalieren, das auf deiner eigenen Hardware nicht möglich wäre. In diesem Modul erfährst du, wie du Experimentierumgebungen verwaltest, die eine konsistente Laufzeitkonsistenz für Experimente sicherstellen, und wie du Rechenziele für Experimentierläufe erstellst und verwendest.

  • Arbeiten mit Environments
  • Arbeiten mit Compute Targets

Modul 6: Orchestrieren der Abläufe mit Pipelines
Nachdem du die Grundlagen der Ausführung von Workloads als Experimente verstanden hast, ist es an der Zeit, zu lernen, wie du diese Workloads als Pipelines orchestrierst. Pipelines sind der Schlüssel zur Implementierung einer effektiven ML Ops-Lösung (Machine Learning Operationalization) in Azure. Daher erfährst du, in diesem Modul, wie du sie definierst und ausführst.

  • Einführung in Pipelines
  • Veröffentlichen und Ausführen von Pipelines

Modul 7: Bereitstellen und Konsumieren von Modellen
Modelle sollen die Entscheidungsfindung durch Vorhersagen unterstützen. Sie sind daher nur dann nützlich, wenn sie bereitgestellt werden und für eine Anwendung verfügbar sind. In diesem Modul erfährst du, wie du Modelle für Echtzeit-Inferenzen und für Batch-Inferenzen bereitstellst.

  • Echtzeit-Inferenz
  • Batch-Inferenz

Modul 8: Optimale Modelle trainieren
In dieser Phase des Kurses hast du den End-to-End-Prozess zum Trainieren, Bereitstellen und Konsumieren von Modellen für Machine Learning gelernt. Aber wie stellst du sicher, dass dein Modell die beste Vorhersage für deine Daten liefert? In diesem Modul erfährst du, wie du mithilfe von Hyperparameter-Tuning und automatisiertem Machine Learning die Vorteile von Cloud-Scale-Computing nutzt und das beste Modell für deine Daten finden kannst.

  • Hyperparameter-Tuning
  • Automatisiertes Machine Learning

Modul 9: Modelle interpretieren
Viele der Entscheidungen, die heute von Organisationen und automatisierten Systemen getroffen werden, basieren auf Vorhersagen, die von Machine Learning Modellen getroffen wurden. Es wird immer wichtiger, die Faktoren zu verstehen, die die Vorhersagen eines Modells beeinflussen, um unbeabsichtigte Verzerrungen im Verhalten des Modells feststellen zu können. In diesem Modul wird beschrieben, wie du Modelle interpretieren kannst, um zu erklären, wie die Gewichtung von Features die Vorhersagen bestimmt.

  • Einführung in die Model Interpretation
  • Verwenden von Model Explainern

Modul 10: Monitoring von Modellen
Nach der Bereitstellung eines Modells ist es wichtig zu verstehen, wie das Modell in der Produktion verwendet wird, und eine Verschlechterung seiner Genauigkeit aufgrund von Datendrift festzustellen. Dieses Modul beschreibt Techniken zur Überwachung von Modellen und deren Daten.

  • Modelle mit Application Insights überwachen
  • Überwachen von Datendrift

ZERTIFIZIERUNG

Hier kannst du den Test für die Zertifizierung buchen.

Voraussetzungen

Zur Teilnahme am Kurs solltest du folgende Kenntnisse mitbringen:

  • Grundkenntnisse über Microsoft Azure
  • Erfahrung im Schreiben von Python-Code für das Arbeiten mit Daten, unter Verwendung von Libraries wie Numpy, Pandas und Matplotlib.
  • Verständnis von Data Science, einschließlich der Datenvorbereitung und dem Trainieren von Machine-Learning-Modellen mit gängigen Libraries für maschinelles Lernen wie Scikit-Learn, PyTorch oder Tensorflow.

Unser Qualitätsversprechen

Kontakt zu unserem Service Center

DE+49 (0) 711 90363245

CH+41 (0) 584 595795

AT+43 (01) 33 2353160

FR+41 (0) 584 595454

EN+49 (0) 711 90363245

DA+49 (0) 711 90363245

emailTraining@trivadis.com

Früh buchen lohnt sich

Buche dein Training mindestens 3 oder 6 Monate vor Kursbeginn und profitiere vom Trivadis Flexpreis.

> 6 Monate> 3 Monate0–3 Monate
1 370,00 EUR
2'280.00 CHF
1 540,00 EUR
2'570.00 CHF
1 710,00 EUR
2'850.00 CHF
OrtTerminSprachePreis 
Virtual Classroom
28.06. - 30.06.2021
DE1 710,00 €
Basel / CH
20.09. - 22.09.2021
DE2'570.00 CHF
Düsseldorf / DE
18.10. - 20.10.2021
DE1 540,00 €
Hybrid Training / Zürich / CH
29.11. - 01.12.2021
DE2'280.00 CHF
Inhouse-Trainings auf Anfrage!Anfrage
  •    E-Learning
  •    Standard
  •    Garantierte Durchführung
  •    Mit deiner Buchung findet der Kurs garantiert statt
  •    Dieser Kurs ist ausgebucht. Mit deiner Buchung wirst du auf die Warteliste gesetzt

  • Aufgrund der verschiedenen Mehrwertsteuersätzen der unterschiedlichen Länder können wir im Shop nur Bestellungen derselben Währung verarbeiten. Bitte lege nur Trainings derselben Währung in den Warenkorb und führe ggf. mehrere Bestellungen aus. Herzlichen Dank für dein Verständnis. – Gerne stehen wir dir bei der Bestellung auch telefonisch zur Verfügung: +49 89 9927 5931.

    Unser Angebot richtet sich an gewerbliche Kunden. Die Preise sind als Nettopreis ohne MwSt. angegeben.

Ausgezeichnet und geprüft

Zurück zu Trainings
0 Artikel im Warenkorb

Anfrage zum exklusiven Inhouse-Training

In order for us to be able to inform you by telephone or e-mail about Trivadis offers and products in the future, we require your consent. Your consent is voluntary and you can revoke it at any time without giving reasons informally by telephone, in writing or by e-mail at info@trivadis.com. We might forward your personal data to a call centre so that we can contact you and inform you about Trivadis products and offers.

Trivadis, Bernd Rössler, Head of Training

Bernd Rössler

  • Solution Manager Trivadis Training
  • DE: +49 (0) 711 90363245
    CH: +41 (0) 584 595795
    AT: +43 (0) 133 2353160
    FR: +41 (0) 584 595454
    EN: +49 (0) 711 90363245
    DA: +49 (0) 711 90363245

    E-Mail: Training@trivadis.com

    „Gerne berate ich dich auch zu Themen wie: Einzelcoachings, Workshops, Projektbegleitung und Online-Trainings.“

    Ihr Bernd Rössler

Jetzt Beratungstermin zu Trainings vereinbaren

Damit wir dich auch in Zukunft telefonisch oder per E-Mail über die Trivadis Angebote und Produkte informieren können, benötigen wir deine Einwilligung. Deine Einwilligung ist freiwillig und du kannst diese jederzeit ohne Angabe von Gründen formlos telefonisch oder schriftlich oder per E-Mail unter info@trivadis.com widerrufen. Deine personenbezogenen Daten werden von uns an ein CallCenter weitergegeben, sodass wir dich auch auf diesem Weg kontaktieren und über Trivadis Produkte und Angebote informieren können.

Zufriedenheits- & Qualitätsgarantie

Jedes einzelne Training wird bei Abschluss durch die Teilnehmer auf den Ebenen:

  • Eignung des Schulungsraumes
  • Eignung des Arbeitsplatzes
  • Funktionsfähigkeit der technischen Ausrüstung
  • Zufriedenheit über den gesamten Kurs / das gesamte Seminar

in unserem Feedbacksystem „TRIVALUATION“ zur Qualitätssicherung erhoben. So stellen wir die hohe Qualität und Zufriedenheit unserer geschätzten Kunden permanent sicher. Wir freuen uns über die Gesamtbewertung von 9,3 von 10 Punkten durch unsere zahlreichen begeisterten Kunden.

 

trivadis training erfolgsgarantie

Erfolgsgarantie

Trivadis garantiert den Erfolg deines Trainings. Nach deinem Training sind in der Praxis noch weitere Fragen aufgetaucht? Du möchtest einzelne Übungen noch einmal in der Lab-Umgebung wiederholen?

Unsere Erfolgsgarantie gibt dir bis zu 6 Monate nach dem Besuch eines Trainings die Möglichkeit zur kostenlosen Wiederholung einzelner Tage oder des gesamten Trainings. Die Kursunterlagen bringst du einfach vom vorherigen Training selbst mit.