MECER MS-DP100T01 تصميم وتنفيذ حل علوم البيانات على Azure

مدة	مستوى	تكنولوجيا	توصيل طريقة	تمرين الاعتمادات
3 يوما	متوسط	أزرق سماوي	بقيادة مدرب	NA

مقدمة

اكتسب المعرفة اللازمة حول كيفية استخدام خدمات Azure لتطوير حلول التعلم الآلي وتدريبها ونشرها. الدورة تبدأ مع أكثر منview من خدمات Azure التي تدعم علم البيانات. من هناك ، يركز على استخدام خدمة علوم البيانات الرائدة في Azure ، خدمة Azure Machine Learning ، لأتمتة خط أنابيب علوم البيانات. تركز هذه الدورة على Azure ولا تعلم الطالب كيفية القيام بعلوم البيانات. من المفترض أن الطلاب يعرفون ذلك بالفعل.

PRO الجمهورFILE

تستهدف هذه الدورة علماء البيانات وأولئك الذين لديهم مسؤوليات كبيرة في تدريب ونشر نماذج التعلم الآلي.

الشروط المسبقة

قبل حضور هذه الدورة ، يجب أن يكون لدى الطلاب:

• أساسيات Azure
• فهم علم البيانات بما في ذلك كيفية إعداد البيانات وتدريب النماذج وتقييم النماذج المتنافسة لاختيار أفضلها.
• كيفية البرمجة بلغة برمجة Python واستخدام مكتبات Python: pandas و scikit-Learn و matplotlib و seaborn.

اهداف الدورة

بعد الانتهاء من هذه الدورة سيكون الطلاب قادرين على:

• افهم علم البيانات في Azure
• استخدم التعلم الآلي لأتمتة العملية الشاملة
• إدارة ومراقبة خدمة "التعلم الآلي"

 

الوحدة 1: بدء استخدام Azure Machine Learning
في هذه الوحدة النمطية ، ستتعلم كيفية توفير مساحة عمل Azure Machine Learning واستخدامها لإدارة أصول التعلم الآلي مثل البيانات والحساب ورمز تدريب النموذج والمقاييس المسجلة والنماذج المدربة. سوف تتعلم كيفية استخدام web- واجهة استوديو Azure Machine Learning المستندة إلى Azure Machine Learning SDK وأدوات المطور مثل Visual Studio Code و Jupyter Notebooks للعمل مع الأصول في مساحة العمل الخاصة بك.
الدروس

• مقدمة إلى Azure Machine Learning
• العمل مع Azure Machine Learning
• مختبر: قم بإنشاء مساحة عمل Azure للتعلم الآلي
• قم بتوفير مساحة عمل Azure Machine Learning
• استخدم الأدوات والتعليمات البرمجية للعمل مع Azure Machine Learning

الوحدة 2: الأدوات المرئية لتعلم الآلة
تقدم هذه الوحدة الأدوات المرئية للتعلم الآلي الآلي والمصمم ، والتي يمكنك استخدامها لتدريب نماذج التعلم الآلي وتقييمها ونشرها دون كتابة أي رمز.
الدروس

• التعلم الآلي الآلي
• مصمم التعلم الآلي Azure

مختبر: استخدم التعلم الآلي الآلي
مختبر: استخدم مصمم التعلم الآلي من Azure
بعد الانتهاء من هذه الوحدة ، سوف تكون قادرًا على ذلك

• استخدم التعلم الآلي الآلي لتدريب نموذج التعلم الآلي
• استخدم مصمم Azure Machine Learning لتدريب نموذج

الوحدة 3: التجارب الجارية ونماذج التدريب

في هذه الوحدة ، ستبدأ بالتجارب التي تغلف معالجة البيانات ، ونموذج رمز التدريب ، واستخدامها لتدريب نماذج التعلم الآلي. الدروس

• مقدمة عن التجارب
• تدريب وتسجيل النماذج

مختبر: نماذج القطار
مختبر: قم بتشغيل التجارب
بعد الانتهاء من هذه الوحدة ، سوف تكون قادرًا على ذلك

• قم بتشغيل التجارب المستندة إلى التعليمات البرمجية في مساحة عمل Azure Machine Learning
• تدريب وتسجيل نماذج التعلم الآلي

الوحدة 4: العمل مع البيانات
عنصر أساسي في أي عبء عمل للتعلم الآلي ، لذلك في هذه الوحدة ، ستتعلم كيفية إنشاء وإدارة مخازن البيانات ومجموعات البيانات في مساحة عمل Azure Machine Learning ، وكيفية استخدامها في تجارب التدريب النموذجية.
الدروس

• العمل مع مخازن البيانات
• العمل مع مجموعات البيانات

مختبر: العمل مع البيانات
بعد الانتهاء من هذه الوحدة ، سوف تكون قادرًا على ذلك

• إنشاء واستخدام مخازن البيانات
• إنشاء واستخدام مجموعات البيانات

الوحدة 5: العمل مع الحوسبة
تتمثل إحدى الفوائد الرئيسية للسحابة في القدرة على الاستفادة من موارد الحوسبة عند الطلب واستخدامها لتوسيع نطاق عمليات التعلم الآلي إلى حد قد لا يكون ممكنًا على أجهزتك الخاصة. في هذه الوحدة ، ستتعلم كيفية إدارة بيئات التجربة التي تضمن تناسقًا في وقت التشغيل للتجارب ، وكيفية إنشاء واستخدام أهداف الحساب لعمليات التشغيل التجريبية.
الدروس

• العمل مع البيئات
• العمل مع حساب الأهداف

مختبر: العمل مع الحوسبة
بعد الانتهاء من هذه الوحدة ، سوف تكون قادرًا على ذلك

• إنشاء واستخدام البيئات
• إنشاء واستخدام حساب الأهداف

الوحدة 6: تنظيم العمليات مع خطوط الأنابيب
الآن بعد أن فهمت أساسيات تشغيل أحمال العمل كتجارب تستفيد من أصول البيانات وحساب الموارد ، فقد حان الوقت لتتعلم كيفية تنظيم أعباء العمل هذه كخطوط أنابيب للخطوات المتصلة. تعد خطوط الأنابيب أساسية لتنفيذ حل فعال لتشغيل التعلم الآلي (ML Ops) في Azure ، لذلك سوف تستكشف كيفية تحديدها وتشغيلها في هذه الوحدة.
الدروس

• مقدمة في خطوط الأنابيب
• النشر وتشغيل خطوط الأنابيب

مختبر: قم بإنشاء خط أنابيب
بعد الانتهاء من هذه الوحدة ، سوف تكون قادرًا على ذلك

• إنشاء خطوط أنابيب لأتمتة سير عمل التعلم الآلي
• نشر وتشغيل خدمات خطوط الأنابيب

الوحدة 7: نشر واستهلاك النماذج
تم تصميم النماذج للمساعدة في اتخاذ القرار من خلال التنبؤات ، لذا فهي مفيدة فقط عند نشرها وإتاحتها للاستهلاك. في هذه الوحدة ، تعرف على كيفية نشر النماذج للاستدلال في الوقت الفعلي والاستدلال الجماعي.
الدروس

• الاستدلال في الوقت الحقيقي
• الاستدلال الدفعي
• التكامل والتسليم المستمر

مختبر: أنشئ خدمة استدلال في الوقت الفعلي
مختبر: قم بإنشاء خدمة الاستدلال الجماعي
بعد الانتهاء من هذه الوحدة ، سوف تكون قادرًا على ذلك

• انشر نموذجًا كخدمة استدلال في الوقت الفعلي
• نشر نموذج كخدمة الاستدلال الدفعي
• وصف تقنيات تنفيذ التكامل والتسليم المستمر

الوحدة 8: تدريب النماذج المثلى
بواسطة هذا stagمن الدورة التدريبية ، لقد تعلمت العملية الشاملة للتدريب ونشر واستهلاك نماذج التعلم الآلي ؛ ولكن كيف تضمن أن نموذجك ينتج أفضل النتائج التنبؤية لبياناتك؟ في هذه الوحدة ، سوف تستكشف كيف يمكنك استخدام ضبط المعلمة الفائقة والتعلم الآلي الآلي للاستفادة من الميزاتtage للحوسبة على نطاق السحابة والعثور على أفضل نموذج لبياناتك.
الدروس

• ضبط المعلمات الفائقة
• التعلم الآلي الآلي

مختبر: استخدم التعلم الآلي الآلي من SDK
مختبر: ضبط المعلمات التشعبية بعد الانتهاء من هذه الوحدة ، سوف تكون قادرًا على ذلك

• تحسين المعلمات الفائقة لتدريب النموذج
• استخدم التعلم الآلي الآلي للعثور على النموذج الأمثل لبياناتك

الوحدة 9: التعلم الآلي المسؤول
يقع على عاتق علماء البيانات واجب التأكد من قيامهم بتحليل البيانات وتدريب نماذج التعلم الآلي بشكل مسؤول ؛ احترام الخصوصية الفردية وتخفيف التحيز وضمان الشفافية. تستكشف هذه الوحدة بعض الاعتبارات والتقنيات لتطبيق مبادئ التعلم الآلي المسؤولة. الدروس

• الخصوصية التفاضلية
• نموذج التفسير
• العدالة

مختبر: اكتشف التفاضل التفاضلي
مختبر: تفسير النماذج
مختبر: كشف الظلم والتخفيف من حدته بعد الانتهاء من هذه الوحدة ، سوف تكون قادرًا على ذلك

• تطبيق العناية التفاضلية لتحليل البيانات
• استخدم المفسرين لتفسير نماذج التعلم الآلي
• تقييم النماذج من أجل الإنصاف

الوحدة 10: نماذج المراقبة
بعد نشر النموذج ، من المهم فهم كيفية استخدام النموذج في الإنتاج ، واكتشاف أي تدهور في فعاليته بسبب انحراف البيانات. تصف هذه الوحدة تقنيات مراقبة النماذج وبياناتها. الدروس

• نماذج المراقبة باستخدام رؤى التطبيق
• مراقبة انجراف البيانات

مختبر: مراقبة انجراف البيانات
مختبر: راقب نموذجًا باستخدام رؤى التطبيق
بعد الانتهاء من هذه الوحدة ، سوف تكون قادرًا على ذلك

• استخدم Application Insights لمراقبة نموذج منشور
• مراقبة انجراف البيانات

الشهادات والامتحانات المرتبطة

ستقوم هذه الدورة بإعداد المندوبين لكتابة Microsoft DP-100: تصميم وتنفيذ حل علوم البيانات في اختبار Azure.

المستندات / الموارد

MECER MS-DP100T01 تصميم وتنفيذ حل علوم البيانات على Azure [بي دي اف] دليل المستخدم MS-DP100T01 تصميم وتنفيذ حل علوم البيانات على Azure ، MS-DP100T01 ، تصميم وتنفيذ حل علوم البيانات على Azure

مراجع

• دليل المستخدم