Designing and Implementing a Data Science Solution on Azure

Über das Seminar
In diesem Seminar lernen Sie, Maschinenlernlösungen im Cloudmaßstab mithilfe von Azure Machine Learning zu betreiben. Sie erfahren, wie Sie Ihre vorhandenen Kenntnisse über Python und Maschinenlernen nutzen, um das Einpflegen und Vorbereiten von Daten, Modelltraining und -bereitstellung sowie die Überwachung der Maschinenlernlösung in Microsoft Azure zu verwalten.

Das Seminar kann zur Vorbereitung auf die Zertifizierung als Azure Data Scientist genutzt werden.

Inhalt

Einführung in das Azure-Maschinenlernen

Bereitstellen eines Azure-Machine-Learning-Arbeitsraums
Verwenden von Tools und Code, um mit Azure Machine Learning zu arbeiten

No-Code-Maschinenlernen mit Designer

Trainieren von Modellen mit Designer
Veröffentlichen von Modellen mit Designer

Ausführen von Experimenten und Trainieren von Modellen

Arbeiten mit Daten

Erstellen und Verwalten von Datastores
Erstellen und Verwalten von Datensets

Compute-Kontexte

Arbeiten mit Umgebungen
Arbeiten mit Compute-Zielen

Orchestrierung von Abläufen mit Pipelines

Erstellen von Pipelines, um Maschinenlernworkflows zu automatisieren
Veröffentlichen und Ausführen von Pipelinediensten

Bereitstellen und Nutzen von Modellen

Echtzeitrückschlüsse
Batch-Rückschlüsse

Training optimaler Modelle

Hyperparameter-Tuning
Automatsiertes Maschinenlernen

Interpretieren von Modellen

Erstellen von Modellerklärungen mit automatsiertem Maschinenlernen
Verwenden von Erklärern, um Maschinenlernmodelle zu interpretieren

Überwachung von Modellen

Überwachen von Modellen mit Application Insights
Überwachen der Datendrift

Voraussetzungen

Azure-Grundkenntnisse
Verständnis für Data Science einschließlich der Vorbereitung von Daten und des Trainings von Maschinenlernmodellen wie Scikit-Learn, PyTorch oder Tensorflow
Programmierkenntnisse in Python und Verwendung von Bibliotheken wie Numpy, Pandas und Matplotlib