MECER MS-DP100T01 Dizajniranje i implementacija Data Science rješenja na Azure
| TRAJANJE | RAZINA | TEHNOLOGIJA | DOSTAVA METODA |
TRENING KREDITI |
| 3 dana | Srednji | Azurno | Instruktor na čelu | NA |
UVOD
Steknite potrebno znanje o tome kako koristiti Azure usluge za razvoj, obuku i implementaciju rješenja strojnog učenja. Tečaj počinje s overomview Azure usluga koje podržavaju podatkovnu znanost. Odatle se fokusira na korištenje Azureove vrhunske usluge znanosti o podacima, usluge Azure Machine Learning, za automatizaciju cjevovoda znanosti o podacima. Ovaj je tečaj usredotočen na Azure i ne podučava studente kako se baviti znanošću podataka. Pretpostavlja se da studenti to već znaju.
PUBLIKA PROFILE
Ovaj je tečaj namijenjen znanstvenicima koji se bave podacima i onima koji imaju značajne odgovornosti u obuci i implementaciji modela strojnog učenja.
PREDUVJETI
Prije pohađanja ovog predmeta studenti moraju imati:
- Osnove Azurea
- Razumijevanje znanosti o podacima, uključujući kako pripremiti podatke, obučiti modele i ocijeniti konkurentske modele kako bi se odabrao najbolji.
- Kako programirati u programskom jeziku Python i koristiti Python biblioteke: pandas, scikit-learn, matplotlib i seaborn.
CILJEVI PREDMETA
Nakon završetka ovog predmeta studenti će moći:
- Shvatite znanost o podacima u Azureu
- Koristite strojno učenje za automatizaciju procesa od kraja do kraja
- Upravljajte i nadzirite uslugu strojnog učenja
Modul 1: Početak rada s Azure strojnim učenjem
U ovom modulu naučit ćete kako osigurati radni prostor Azure Machine Learning i koristiti ga za upravljanje sredstvima strojnog učenja kao što su podaci, računanje, kod za obuku modela, zabilježene metrike i obučeni modeli. Naučit ćete kako koristiti websučelje studija Azure Machine Learning, kao i Azure Machine Learning SDK i alati za razvojne programere kao što su Visual Studio Code i Jupyter Notebooks za rad s imovinom u vašem radnom prostoru.
Lekcije
- Uvod u Azure strojno učenje
- Rad s Azure strojnim učenjem
- Laboratorija: Stvorite Azure radni prostor za strojno učenje
- Osigurajte radni prostor Azure Machine Learning
- Koristite alate i kod za rad s Azure Machine Learningom
Modul 2: Vizualni alati za strojno učenje
Ovaj modul predstavlja vizualne alate Automated Machine Learning i Designer, koje možete koristiti za obuku, procjenu i implementaciju modela strojnog učenja bez pisanja koda.
Lekcije
- Automatizirano strojno učenje
- Dizajner Azure strojnog učenja
Laboratorija: Koristite automatizirano strojno učenje
Laboratorija: Koristite Azure Designer strojnog učenja
Nakon završetka ovog modula moći ćete
- Koristite automatizirano strojno učenje za obuku modela strojnog učenja
- Koristite Azure Machine Learning dizajner za obuku modela
Modul 3: Izvođenje eksperimenata i modeli obuke
U ovom modulu počet ćete s eksperimentima koji enkapsuliraju obradu podataka, modeliraju kod za obuku i koriste ih za obuku modela strojnog učenja. Lekcije
- Uvod u eksperimente
- Modeli obuke i registracije
Laboratorija: Modeli vlakova
Laboratorija: Pokrenite eksperimente
Nakon završetka ovog modula moći ćete
- Pokrenite eksperimente temeljene na kodu u radnom prostoru Azure Machine Learning
- Obučite i registrirajte modele strojnog učenja
Modul 4: Rad s podacima Podaci
temeljni je element u bilo kojem radnom opterećenju strojnog učenja, stoga ćete u ovom modulu naučiti kako stvoriti i upravljati skladištima podataka i skupovima podataka u radnom prostoru Azure strojnog učenja te kako ih koristiti u eksperimentima obuke modela.
Lekcije
- Rad s Datastoresom
- Rad sa skupovima podataka
Laboratorija: Rad s podacima
Nakon završetka ovog modula moći ćete
- Stvaranje i korištenje spremišta podataka
- Stvorite i koristite skupove podataka
Modul 5: Rad s Computeom
Jedna od ključnih prednosti oblaka je mogućnost iskorištavanja računalnih resursa na zahtjev i njihove upotrebe za skaliranje procesa strojnog učenja do mjere koja bi bila neizvediva na vašem vlastitom hardveru. U ovom modulu naučit ćete kako upravljati eksperimentalnim okruženjima koja osiguravaju dosljednu dosljednost vremena izvođenja za eksperimente i kako stvoriti i koristiti računalne ciljeve za izvođenje eksperimenta.
Lekcije
- Rad s okruženjima
- Rad s Compute Targets
Laboratorija: Radite s Computeom
Nakon završetka ovog modula moći ćete
- Stvorite i koristite okruženja
- Stvorite i koristite računalne ciljeve
Modul 6: Orkestriranje operacija s cjevovodima
Sada kada razumijete osnove pokretanja radnih opterećenja kao eksperimenata koji iskorištavaju podatkovnu imovinu i računalne resurse, vrijeme je da naučite kako orkestrirati ta radna opterećenja kao cjevovode povezanih koraka. Cjevovodi su ključni za implementaciju učinkovitog rješenja za operacionalizaciju strojnog učenja (ML Ops) u Azureu, pa ćete u ovom modulu istražiti kako ih definirati i pokrenuti.
Lekcije
- Uvod u cjevovode
- Objavljivanje i pokretanje cjevovoda
Laboratorija: Stvorite cjevovod
Nakon završetka ovog modula moći ćete
- Stvorite cjevovode za automatizaciju radnih procesa strojnog učenja
- Objavite i pokrenite usluge cjevovoda
Modul 7: Implementacija i korištenje modela
Modeli su dizajnirani da pomognu u donošenju odluka putem predviđanja, tako da su korisni samo kada su implementirani i dostupni aplikaciji za korištenje. U ovom modulu naučite kako implementirati modele za zaključivanje u stvarnom vremenu i za skupno zaključivanje.
Lekcije
- Zaključivanje u stvarnom vremenu
- Skupno zaključivanje
- Kontinuirana integracija i isporuka
Laboratorija: Stvorite uslugu zaključivanja u stvarnom vremenu
Laboratorija: Stvorite uslugu skupnog zaključivanja
Nakon završetka ovog modula moći ćete
- Objavite model kao uslugu zaključivanja u stvarnom vremenu
- Objavite model kao uslugu skupnog zaključivanja
- Opišite tehnike za implementaciju kontinuirane integracije i isporuke
Modul 8: Obuka optimalnih modela
Ovim stage tečaja, naučili ste end-to-end proces za obuku, implementaciju i korištenje modela strojnog učenja; ali kako osigurati da vaš model proizvodi najbolje prediktivne rezultate za vaše podatke? U ovom modulu istražit ćete kako možete koristiti podešavanje hiperparametara i automatizirano strojno učenje da biste napredovalitage računalstva u oblaku i pronađite najbolji model za svoje podatke.
Lekcije
- Podešavanje hiperparametara
- Automatizirano strojno učenje
Laboratorija: Koristite automatizirano strojno učenje iz SDK-a
Laboratorija: Podešavanje hiperparametara Nakon završetka ovog modula, moći ćete
- Optimizirajte hiperparametre za obuku modela
- Koristite automatizirano strojno učenje kako biste pronašli optimalan model za svoje podatke
Modul 9: Odgovorno strojno učenje
Znanstvenici koji se bave podacima imaju dužnost osigurati odgovornu analizu podataka i obučavanje modela strojnog učenja; poštivanje privatnosti pojedinca, ublažavanje pristranosti i osiguravanje transparentnosti. Ovaj modul istražuje neka razmatranja i tehnike za primjenu načela odgovornog strojnog učenja. Lekcije
- Diferencijalna privatnost
- Interpretabilnost modela
- Pravednost
Laboratorija: Istražite Differential privacy
Laboratorija: Interpretirajte modele
Laboratorija: Otkrijte i ublažite nepoštenost Nakon što završite ovaj modul, moći ćete
- Primijenite diferencijalnu privatnost na analizu podataka
- Koristite objašnjenja za tumačenje modela strojnog učenja
- Ocijenite pravednost modela
Modul 10: Modeli praćenja
Nakon što je model implementiran, važno je razumjeti kako se model koristi u proizvodnji i otkriti bilo kakvo smanjenje njegove učinkovitosti zbog pomicanja podataka. Ovaj modul opisuje tehnike za praćenje modela i njihovih podataka. Lekcije
- Praćenje modela s Application Insights
- Praćenje kretanja podataka
Laboratorija: Pratite pomicanje podataka
Laboratorija: Pratite model pomoću Application Insights
Nakon završetka ovog modula moći ćete
- Koristite Application Insights za praćenje objavljenog modela
- Pratite pomicanje podataka
POVEZANE CERTIFIKATE I ISPIT
Ovaj tečaj pripremit će sudionike za pisanje ispita Microsoft DP-100: Dizajniranje i implementacija rješenja za podatkovnu znanost na Azureu.
Dokumenti / Resursi
 |
MECER MS-DP100T01 Dizajniranje i implementacija Data Science rješenja na Azure [pdf] Korisnički priručnik MS-DP100T01 Dizajniranje i implementacija rješenja za znanost podataka na Azureu, MS-DP100T01, Dizajniranje i implementacija rješenja za znanost o podacima na Azureu |
