MECER MS-DP100T01 Untwerp en ymplementearje Data Science Solution op Azure
| DOER | PEIL | TECHNOLOGY | BEFALLING METOADE |
TRENING CREDITS |
| 3 dagen | Intermediate | Azure | Ynstrukteur ûnder lieding | NA |
YNLIEDING
Krij de nedige kennis oer hoe't jo Azure-tsjinsten brûke kinne foar it ûntwikkeljen, trainen en ynsetten fan masine-learoplossingen. De kursus begjint mei in oerview fan Azure-tsjinsten dy't gegevenswittenskip stypje. Fan dêrút rjochtet it him op it brûken fan Azure's premier gegevenswittenskiptsjinst, Azure Machine Learning-tsjinst, om de pipeline foar gegevenswittenskip te automatisearjen. Dizze kursus is rjochte op Azure en leart de studint net hoe't jo gegevenswittenskip dwaan kinne. Der wurdt fan útgien dat studinten dat al witte.
PUBLIEK PROFILE
Dizze kursus is rjochte op gegevenswittenskippers en dyjingen mei wichtige ferantwurdlikheden yn training en ynset fan masine-learmodellen.
FEREISTEN
Foardat se dizze kursus bywenje, moatte studinten hawwe:
- Azure Fundamentals
- Begryp fan gegevenswittenskip ynklusyf hoe't jo gegevens tariede, modellen trainje en konkurrearjende modellen evaluearje om de bêste te selektearjen.
- Hoe kinne jo programmearje yn 'e Python-programmearringstaal en de Python-biblioteken brûke: pandas, scikit-learn, matplotlib, en seaborn.
KURSUSDOELSTELLINGEN
Nei it foltôgjen fan dizze kursus kinne studinten:
- Begryp de gegevenswittenskip yn Azure
- Brûk Machine Learning om it ein-oan-ein-proses te automatisearjen
- Beheare en kontrolearje de Machine Learning-tsjinst
Module 1: Te begjinnen mei Azure Machine Learning
Yn dizze module sille jo leare hoe't jo in Azure Machine Learning-wurkromte kinne leverje en it brûke om fermogens foar masine-learen te behearjen, lykas gegevens, berekkenje, modeltrainingskoade, oanmelde metriken en oplaat modellen. Jo sille leare hoe't jo de web-basearre Azure Machine Learning studio-ynterface lykas de Azure Machine Learning SDK en ûntwikkelders ark lykas Visual Studio Code en Jupyter Notebooks om te wurkjen mei de aktiva yn jo wurkromte.
Lessen
- Yntroduksje ta Azure Machine Learning
- Wurkje mei Azure Machine Learning
- Lab: Meitsje in Azure Machine Learning Workspace
- Foarsjen in Azure Machine Learning wurkromte
- Brûk ark en koade om te wurkjen mei Azure Machine Learning
Module 2: Visual Tools for Machine Learning
Dizze module yntroduseart de Automated Machine Learning en Designer fisuele ark, dy't jo kinne brûke om masine-learmodellen te trenen, te evaluearjen en yn te setten sûnder koade te skriuwen.
Lessen
- Automatisearre masine learen
- Azure Machine Learning Designer
Lab: Brûk Automated Machine Learning
Lab: Brûk Azure Machine Learning Designer
Nei it foltôgjen fan dizze module, do silst kinne
- Brûk automatisearre masine-learen om in masine-learmodel te trenen
- Brûk Azure Machine Learning-ûntwerper om in model op te trenen
Module 3: Running eksperiminten en training modellen
Yn dizze module sille jo begjinne mei eksperiminten dy't gegevensferwurking, modeltrainingskoade ynkapselje, en se brûke om masine-learmodellen te trainen. Lessen
- Ynlieding ta eksperiminten
- Training en registrearje modellen
Lab: Treinmodellen
Lab: Experiminten útfiere
Nei it foltôgjen fan dizze module, do silst kinne
- Run koade-basearre eksperiminten yn in Azure Machine Learning wurkromte
- Trein en registrearje masine learmodellen
Module 4: Wurkje mei gegevensgegevens
is in fûnemintele elemint yn elke wurkdruk foar masine-learen, dus yn dizze module sille jo leare hoe't jo datastores en datasets kinne oanmeitsje en beheare yn in Azure Machine Learning-wurkromte, en hoe't jo se kinne brûke yn eksperiminten foar modeltraining.
Lessen
- Wurkje mei Datastores
- Wurkje mei datasets
Lab: Wurkje mei Data
Nei it foltôgjen fan dizze module, do silst kinne
- Meitsje en brûk datastores
- Meitsje en brûk datasets
Module 5: Wurkje mei Compute
Ien fan 'e wichtichste foardielen fan' e wolk is de mooglikheid om berekkeningsboarnen op fraach te benutten en se te brûken om masine-learprosessen te skaaljen yn in mjitte dy't ûnmooglik wêze soe op jo eigen hardware. Yn dizze module sille jo leare hoe't jo eksperimintomjouwings beheare dy't konsekwinte runtime-konsistinsje foar eksperiminten soargje, en hoe't jo berekkeningsdoelen meitsje en brûke foar eksperiminten.
Lessen
- Wurkje mei Omjouwings
- Wurkje mei Compute Targets
Lab: Wurkje mei Compute
Nei it foltôgjen fan dizze module, do silst kinne
- Meitsje en brûk omjouwings
- Meitsje en brûk komputerdoelen
Module 6: Orkestraasje operaasjes mei pipelines
No't jo de basis begripe fan it útfieren fan workloads as eksperiminten dy't gegevensaktiva brûke en boarnen berekkenje, is it tiid om te learen hoe't jo dizze workloads kinne orkestrearje as pipelines fan ferbûne stappen. Pipelines binne kaai foar it ymplementearjen fan in effektive Machine Learning Operationalization (ML Ops) oplossing yn Azure, dus jo sille ûndersykje hoe't jo se definiearje en útfiere yn dizze module.
Lessen
- Ynlieding ta Pipelines
- Publisearjen en Running Pipelines
Lab: Meitsje in Pipeline
Nei it foltôgjen fan dizze module, do silst kinne
- Meitsje pipelines om workflows foar masine learen te automatisearjen
- Publisearje en útfiere pipeline tsjinsten
Module 7: Modellen ynsette en konsumearje
Modellen binne ûntworpen om beslútfoarming te helpen troch foarsizzingen, sadat se allinich nuttich binne as se ynset en beskikber binne foar in applikaasje om te konsumearjen. Yn dizze module learje hoe't jo modellen ynsette foar real-time inferencing, en foar batch-inferencing.
Lessen
- Real-time inferencing
- Batch inferencing
- Trochrinnende yntegraasje en levering
Lab: Meitsje in Real-time Inferencing Service
Lab: Meitsje in Batch Inferencing Service
Nei it foltôgjen fan dizze module, do silst kinne
- Publisearje in model as in real-time inference tsjinst
- Publisearje in model as in batch inference tsjinst
- Beskriuw techniken foar it útfieren fan trochgeande yntegraasje en levering
Module 8: Training optimale modellen
Troch dizze stage fan 'e kursus hawwe jo it ein-oant-ein-proses leard foar training, ynset en konsumearjen fan masinelearmodellen; mar hoe soargje jo derfoar dat jo model de bêste foarsizzende útgongen produsearret foar jo gegevens? Yn dizze module sille jo ûndersykje hoe't jo hyperparameter-tuning en automatisearre masinelearen kinne brûke om foardiel te nimmentage fan wolk-skaal berekkenje en fyn it bêste model foar jo gegevens.
Lessen
- Hyperparameter Tuning
- Automatisearre masine learen
Lab: Brûk Automated Machine Learning fan 'e SDK
Lab: Tune Hyperparameters Nei it foltôgjen fan dizze module, do silst kinne
- Optimalisearje hyperparameters foar modeltraining
- Brûk automatisearre masine learen om it optimale model foar jo gegevens te finen
Module 9: Ferantwurdlik Machine Learning
Gegevenswittenskippers hawwe in plicht om te soargjen dat se gegevens analysearje en masine learmodellen ferantwurde opliede; respektearje yndividuele privacy, mitigearjen fan bias, en garandearjen fan transparânsje. Dizze module ûndersiket wat oerwagings en techniken foar it tapassen fan prinsipes foar ferantwurde masine learen. Lessen
- Differinsjaal privacy
- Model ynterpretabiliteit
- Fairness
Lab: Ferkenne differinsjaal provacy
Lab: Ynterpretearje modellen
Lab: Unrjochtlikens opspoare en beheine Nei it foltôgjen fan dizze module kinne jo
- Differinsjaal provacy tapasse op gegevensanalyse
- Brûk ferklearrings om masine-learmodellen te ynterpretearjen
- Evaluearje modellen foar earlikens
Module 10: Monitoring Models
Neidat in model is ynset, is it wichtich om te begripen hoe't it model wurdt brûkt yn produksje, en om elke degradaasje yn syn effektiviteit te detektearjen troch gegevensdrift. Dizze module beskriuwt techniken foar it kontrolearjen fan modellen en har gegevens. Lessen
- Monitoring modellen mei Application Insights
- Monitoring Data Drift
Lab: Monitor Data Drift
Lab: Kontrolearje in model mei applikaasje-ynsjoch
Nei it foltôgjen fan dizze module, do silst kinne
- Brûk Application Insights om in publisearre model te kontrolearjen
- Monitor gegevensdrift
ASSOCIATED CERTIFICATIONS & EXAM
Dizze kursus sil delegaten tariede op it skriuwen fan it Microsoft DP-100: Untwerp en ymplemintaasje fan in oplossing foar gegevenswittenskip op Azure-eksamen.
Dokuminten / Resources
 |
MECER MS-DP100T01 Untwerp en ymplementearje Data Science Solution op Azure [pdf] Brûkersgids MS-DP100T01 Untwerp en ymplementearje Data Science Solution Op Azure, MS-DP100T01, Untwerp en ymplemintearje Data Science Solution Op Azure |
