Designing and Implementing a Data Science Solution on Azure

Der Azure Data Scientist wendet sein Wissen über Data Science und Machine Learning auf die Implementierung und Ausführung von Workloads für Machine Learning in Microsoft Azure an. insbesondere mithilfe des Azure Machine Learning Service. Dies umfasst das Planen und Erstellen einer geeigneten Arbeitsumgebung für datenwissenschaftliche Workloads in Azure, das Ausführen von Datenexperimenten und das Trainieren von Vorhersagemodellen, das Verwalten und Optimieren von Modellen sowie das Bereitstellen von Modellen für Machine Learning in der Produktion.

M-DP-100

Durée

3 jours

groupe cible

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

contenu (new)

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, Berechnungen, Modellschulungscode, protokollierte 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, und diese Trainingspipeline dann in eine Inferenzpipeline konvertierst, mit der 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 Trainingsmodelle ausführen
In diesem Modul beginnst du mit Experimenten, die Datenverarbeitung und Modellschulungscode kapseln und zum Trainieren von Modellen für Machine Learning verwendest.

  • Einführung in Experimente
  • Schulungs- und Registrierungsmodelle

Modul 4: Arbeiten mit Daten
Daten sind ein grundlegendes Element in jedem Workload für Machine Learning. In diesem Modul erfährst du, wie du Datenspeicher und Datasets in einem Azure Machine Workspace erstellst und verwaltest und diese in Modellschulungsexperimenten verwendest.

  • Arbeiten mit Datenspeichern
  • Arbeiten mit Datensätzen

Modul 5: Compute Kontexte berechnen
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 Umgebungen
  • Arbeiten mit Rechenzielen

Modul 6: Orchestrieren von Vorgängen mit Pipelines
Nachdem du die Grundlagen der Ausführung von Workloads als Experimente verstanden hast, bei denen Datenbestände genutzt und Ressourcen berechnet werden, ist es an der Zeit, zu lernen, wie du diese Workloads als Pipelines verbundene Schritte orchestrierst. Pipelines sind der Schlüssel zur Implementierung einer effektiven ML Ops-Lösung (Machine Learning Operationalization) in Azure. Daher erfährst du, wie du sie in diesem Modul 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 Wichtigkeit von Features ihre Vorhersagen bestimmt.

  • Einführung in die Modellinterpretation
  • Verwenden von Modellerklärern

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

  • Modelle mit Application Insights überwachen
  • Überwachen der Datendrift

Prérequis

Cours consécutifs et ateliers

Notre promesse qualité

Appeler notre 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

Tarif spécial pour une réservation à l’avance

Réserve ta formation au 3 ou 6 mois avant le début du cours et profite du Flexprice Trivadis.

> 6 mois> 3 mois0–3 mois
2'280.00 CHF
1 370,00 EUR
2'570.00 CHF
1 540,00 EUR
2'850.00 CHF
1 710,00 EUR
LieuDateLangueprix 
Zürich / CH
18.11. - 20.11.2020
DE2'570.00 CHF
München / DE
01.02. - 03.02.2021
DE1 370,00 €
Zürich / CH
28.04. - 30.04.2021
DE2'280.00 CHF
Frankfurt / DE
28.06. - 30.06.2021
DE1 370,00 €
Basel / CH
20.09. - 22.09.2021
DE2'280.00 CHF
Düsseldorf / DE
18.10. - 20.10.2021
DE1 370,00 €
Zürich / CH
29.11. - 01.12.2021
DE2'280.00 CHF
Formations sur site à la demande !demande
  •    E-Learning
  •    Standard
  •    Réalisation garantie
  •    Avec votre réservation le déroulement du cours est garanti
  •    Ce cours est complet. En vous enregistrant, vous serez automatiquement inscrit sur la liste d'attente.

  • Ce cours a lieu dans un autre pays. En raison des différences de fiscalité vous devez le réserver séparément. Merci beaucoup pour votre compréhension.
Retour aux formations
0 articles dans le panier

Demander une formation interne en entreprise exclusive

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
  • Téléphone: +41 (0) 584 595454

    E-Mail: Training@trivadis.com

    « Je réponds volontiers à vos questions concernant par exemple :  le coaching individuel, les ateliers, l'accompagnement de projets, les formations en ligne. »

    Bernd Rössler

<h3>Fixez mainteant un rendez-vous de conseil</h3>

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

trivadis training satisfaction client

Garantie qualité

À l'issue de chaque formation, nous récoltons les avis des participants sur :

  • Le confort de la salle de cours et de la place de travail.
  • Le fonctionnement de l'équipement,
  • le contenu du cours / le séminaire,

ces avis sont rassemblé à des fins d'assurance qualité dans notre système d'évaluation TRIVALUTION. Nous garantissons ainsi le niveau de qualité et de satisfaction de nos nombreux clients enthousiastes, qui nous attribuent la note générale de 9,3 sur 10.

 

trivadis training succès garanti

Garantie de réussite

Trivadis vous garantit une formation réussie. Des questions surviennent quand vous retournez à la pratique ? Vous souhaitez refaire certains exercices dans l'environnement test ?

Avec notre garantie de réussite, vous avez la possibilité de refaire gratuitement certains jours de formation, ou la formation complète, durant les six mois suivants votre participation. Dans ce cas, vous utilisez les supports de cours dont vous disposez déjà.