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
  • Ziel

  • 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.

  • Requirements

    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

email[email protected]

Ort Datum Sprache Preis
Inhouse-Schulungen auf Anfrage Anfrage
  •  Garantierte Durchführung
  •   Mit deiner Buchung findet der Kurs garantiert statt
  •   Dieser Kurs ist ausgebucht. Mit deiner Buchung wirst du auf die Warteliste gesetzt
  • Der Kurspreis wird in der Währung EUR ausgewiesen. Für Bestellungen aus der Schweiz rechnen wir den Preis in CHF um und berücksichtigen den entsprechenden Mehrwertsteuersatz. Gerne stehen wir dir bei der Bestellung auch telefonisch zur Verfügung: CH +41 58 459 57 95 oder DE +49 711 903 632 45.

Ausgezeichnet und geprüft

Erfahrungen & Bewertungen zu Trivadis Training Erfahrungen & Bewertungen zu Trivadis Training anzeigen
Zurück zur Übersicht
0 Artikel im Warenkorb
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

E-Mail: [email protected]

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

Dein Bernd Rössler

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.