DP-100 Designing and Implementing a Data Science solution on Azure

      Sovelto Eduhouse on kumppanisi pilviosaamisen kasvattamiseen. Yli 20 vuotta suomalaisten organisaatioiden osaamista kasvattaneen Sovelton yhdistyminen Eduhouseen tuo saatavillesi entistä kattavammat työkalut tavoitteelliseen pilviosaamisen kehittämiseen!

      2388 € + ALV

      Aika: 13-16

      Kesto: 8 x ½ päivää

      Osoite: Etäkoulutus

      Lisätieto:  

      Koulutukset ovat maksuttomia niille Eduhousen lisenssi- tai koulutussopimusasiakkaille, joiden tilaukseen kyseisen koulutusaiheen etäkoulutukset kuuluvat. Voit tarkistaa tilanteesi kysymällä chatissä tai sähköpostilla asiakaspalvelu@eduhouse.fi.

      Valitse päivämäärä ilmoittautumista varten

      Tuotetunnus (SKU): Ei saatavilla/-tietoa Osasto: Avainsanat tuotteelle ,

      Designing and Implementing a Data Science solution on Azure -koulutuksessa käydään läpi uudet tavat tehdä Machine Learning -malleja Azuressa ilman koodausta Machine Learning Designerilla, sekä Notebookeilla.

      Lisäksi koulutuksessa käydään läpi koko ML Pipeline: Datan käsittely, laskentaympäristön pystyttäminen, algoritimien automatisoitu valinta, hyperparametrien virittäminen, tuotantoon siirto, monitorointi jne. Siis käytännössä koko ketju alusta loppuun modernin koneoppimisen toteuttamiseen Azure-ympäristössä.

      Tavoite

      Opi kuinka teet modernia koneoppimista Azuressa.

      Kenelle

      Tämä koulutus on suunnattu data- ja IT -asiantuntijarooleille mm. Data Scientist, Data Engineer, Data Analyst, IT-Architect, IT-Specialist ja Applications Specialist.

      Koulutus edellyttää Python-kielen perusteiden sekä Machine Learning -perusteiden tuntemusta esimerkiksi Azure AI Fundamentals -kokonaisuutta tai vastaavia taitoja.

      Lisätiedot

      Koulutus valmentaa Microsoftin viralliseen Exam DP-100 Designing and Implementing a Data Science Solution on Azure -sertifiointitestiin.

      Koulutuksen sisältö

      Design a machine learning solution

      • Design a data ingestion strategy for machine learning projects
      • Design a machine learning model training solution
      • Design a model deployment solution

      Explore the Azure Machine Learning Workspace

      • Explore Azure Machine Learning workspace resources and assets
      • Explore developer tools for workspace interaction

      Make data available in Azure Machine Learning

      • Create Datastores
      • Create Data Assets

      Work with compute in Azure Machine Learning

      • Work with compute targets in Azure Machine Learning
      • Work with environments in Azure Machine Learning

      Use no-code machine learning with the Azure Machine Learning Designer

      • Explore Automate Machine Learning
      • Find the best classification model with Automated Machine Learning

      Use notebooks for experimentation in Azure Machine Learning

      • Track model training in notebooks with MLflow

      Train models with scripts in Azure Machine Learning

      • Run a training script as a command job in Azure Machine Learning
      • Track model training with MLflow in jobs
      • Perform hyperparameter tuning with Azure Machine Learning

      Optimize model training in Azure Machine Learning

      • Run pipelines in Azure Machine Learning

      Manage and review models in Azure Machine Learning

      • Register an MLflow model in Azure Machine Learning
      • Manage and compare models in Azure Machine Learning

      Deploy and consume models with Azure Machine Learning

      • Register an MLflow model in Azure Machine Learning
      • Manage and compare models in Azure Machine Learning

      Design a machine learning operations (MLOps) solution

      • Understand MLOps
      • Design an MLOps solution

      Avainsanat

      Azure Machine Learning, Data Science

      Paikka

      Päivämäärä

      Katso kaikki koulutukset