MECER MS-DP100T01 ការរចនា និងអនុវត្តដំណោះស្រាយវិទ្យាសាស្ត្រទិន្នន័យនៅលើ Azure
| DURATION | កម្រិត | បច្ចេកវិទ្យា | ការដឹកជញ្ជូន វិធីសាស្រ្ត |
ការបណ្តុះបណ្តាល ឥណទាន |
| 3 ថ្ងៃ។ | កម្រិតមធ្យម | Azure | ដឹកនាំដោយគ្រូ | NA |
ការណែនាំ
ទទួលបានចំណេះដឹងចាំបាច់អំពីរបៀបប្រើប្រាស់សេវាកម្ម Azure ដើម្បីអភិវឌ្ឍ បណ្តុះបណ្តាល និងដាក់ឱ្យប្រើប្រាស់ ដំណោះស្រាយការរៀនម៉ាស៊ីន។ វគ្គសិក្សាចាប់ផ្តើមជាមួយនឹងការបញ្ចប់view នៃសេវាកម្ម Azure ដែលគាំទ្រវិទ្យាសាស្ត្រទិន្នន័យ។ ពីទីនោះ វាផ្តោតលើការប្រើប្រាស់សេវាកម្មវិទ្យាសាស្ត្រទិន្នន័យចម្បងរបស់ Azure គឺសេវាកម្ម Azure Machine Learning ដើម្បីធ្វើស្វ័យប្រវត្តិកម្មនៃបំពង់បង្ហូរវិទ្យាសាស្ត្រទិន្នន័យ។ វគ្គសិក្សានេះគឺផ្តោតលើ Azure ហើយមិនបង្រៀនសិស្សពីរបៀបធ្វើវិទ្យាសាស្ត្រទិន្នន័យទេ។ គេសន្មតថាសិស្សបានដឹងរួចហើយ។
PRO ទស្សនិកជនFILE
វគ្គបណ្តុះបណ្តាលនេះមានគោលបំណងសម្រាប់អ្នកវិទ្យាសាស្ត្រទិន្នន័យ និងអ្នកដែលមានទំនួលខុសត្រូវសំខាន់ៗក្នុងការបណ្តុះបណ្តាល និងការដាក់ឱ្យប្រើប្រាស់នូវគំរូសិក្សាម៉ាស៊ីន។
តម្រូវការជាមុន
មុននឹងចូលរៀនវគ្គនេះ សិស្សត្រូវមាន៖
- មូលដ្ឋានគ្រឹះ Azure
- ការយល់ដឹងអំពីវិទ្យាសាស្ត្រទិន្នន័យ រួមទាំងរបៀបរៀបចំទិន្នន័យ គំរូបណ្តុះបណ្តាល និងវាយតម្លៃគំរូប្រកួតប្រជែង ដើម្បីជ្រើសរើសអ្វីដែលល្អបំផុត។
- របៀបសរសេរកម្មវិធីជាភាសា Python និងប្រើប្រាស់បណ្ណាល័យ Python៖ pandas, scikit-learn, matplotlib និង seaborn ។
គោលបំណងនៃវគ្គសិក្សា
បន្ទាប់ពីបញ្ចប់វគ្គសិក្សានេះ សិស្សនឹងអាច៖
- ស្វែងយល់ពីវិទ្យាសាស្ត្រទិន្នន័យនៅក្នុង Azure
- ប្រើ Machine Learning ដើម្បីធ្វើស្វ័យប្រវត្តិកម្មដំណើរការពីចុងដល់ចប់
- គ្រប់គ្រង និងតាមដានសេវាកម្ម Machine Learning
ម៉ូឌុលទី 1៖ ការចាប់ផ្តើមជាមួយនឹងការរៀនម៉ាស៊ីន Azure
នៅក្នុងម៉ូឌុលនេះ អ្នកនឹងរៀនពីរបៀបផ្តល់កន្លែងធ្វើការ Azure Machine Learning ហើយប្រើវាដើម្បីគ្រប់គ្រងទ្រព្យសម្បត្តិនៃការរៀនម៉ាស៊ីនដូចជា ទិន្នន័យ កុំព្យូទ័រ កូដហ្វឹកហ្វឺនគំរូ រង្វាស់ដែលបានកត់ត្រា និងគំរូដែលបានបណ្តុះបណ្តាល។ អ្នកនឹងរៀនពីរបៀបប្រើអេ webចំណុចប្រទាក់ស្ទូឌីយោ Azure Machine Learning ដែលមានមូលដ្ឋានលើ Azure ក៏ដូចជា Azure Machine Learning SDK និងឧបករណ៍អ្នកអភិវឌ្ឍន៍ដូចជា Visual Studio Code និង Jupyter Notebooks ដើម្បីធ្វើការជាមួយទ្រព្យសម្បត្តិនៅក្នុងកន្លែងធ្វើការរបស់អ្នក។
មេរៀន
- ការណែនាំអំពី Azure Machine Learning
- ធ្វើការជាមួយ Azure Machine Learning
- មន្ទីរពិសោធន៍៖ បង្កើតកន្លែងធ្វើការរៀនម៉ាស៊ីន Azure
- ផ្តល់កន្លែងធ្វើការ Azure Machine Learning
- ប្រើឧបករណ៍ និងកូដដើម្បីធ្វើការជាមួយ Azure Machine Learning
ម៉ូឌុលទី 2៖ ឧបករណ៍មើលឃើញសម្រាប់ការរៀនម៉ាស៊ីន
ម៉ូឌុលនេះណែនាំអំពីឧបករណ៍ដែលមើលឃើញដោយម៉ាស៊ីនស្វ័យប្រវត្តិ និងអ្នករចនា ដែលអ្នកអាចប្រើដើម្បីបណ្តុះបណ្តាល វាយតម្លៃ និងដាក់ឱ្យប្រើប្រាស់ម៉ូដែលរៀនម៉ាស៊ីនដោយមិនចាំបាច់សរសេរកូដណាមួយឡើយ។
មេរៀន
- ការរៀនម៉ាស៊ីនដោយស្វ័យប្រវត្តិ
- អ្នករចនា Azure Machine Learning
មន្ទីរពិសោធន៍៖ ប្រើការរៀនម៉ាស៊ីនស្វ័យប្រវត្តិ
មន្ទីរពិសោធន៍៖ ប្រើ Azure Machine Learning Designer
បន្ទាប់ពីបញ្ចប់ម៉ូឌុលនេះអ្នកនឹងអាច
- ប្រើការរៀនម៉ាស៊ីនស្វ័យប្រវត្តិដើម្បីបណ្តុះបណ្តាលគំរូរៀនម៉ាស៊ីន
- ប្រើអ្នករចនា Azure Machine Learning ដើម្បីបណ្តុះបណ្តាលគំរូ
ម៉ូឌុលទី 3៖ ដំណើរការសាកល្បង និងគំរូបណ្តុះបណ្តាល
នៅក្នុងម៉ូឌុលនេះ អ្នកនឹងចាប់ផ្តើមជាមួយនឹងការពិសោធន៍ដែលបង្កប់នូវដំណើរការទិន្នន័យ កូដបណ្តុះបណ្តាលគំរូ និងប្រើពួកវាដើម្បីបណ្តុះបណ្តាលម៉ូដែលរៀនម៉ាស៊ីន។ មេរៀន
- ការណែនាំអំពីការពិសោធន៍
- ការបណ្តុះបណ្តាលនិងការចុះឈ្មោះគំរូ
មន្ទីរពិសោធន៍៖ ម៉ូដែលរថភ្លើង
មន្ទីរពិសោធន៍៖ ដំណើរការការពិសោធន៍
បន្ទាប់ពីបញ្ចប់ម៉ូឌុលនេះអ្នកនឹងអាច
- ដំណើរការការពិសោធន៍ផ្អែកលើកូដនៅក្នុងកន្លែងធ្វើការ Azure Machine Learning
- ហ្វឹកហាត់ និងចុះឈ្មោះម៉ូដែលរៀនម៉ាស៊ីន
ម៉ូឌុលទី 4: ធ្វើការជាមួយទិន្នន័យទិន្នន័យ
គឺជាធាតុមូលដ្ឋាននៅក្នុងបន្ទុកការងាររៀនម៉ាស៊ីនណាមួយ ដូច្នេះនៅក្នុងម៉ូឌុលនេះ អ្នកនឹងរៀនពីរបៀបបង្កើត និងគ្រប់គ្រងឃ្លាំងទិន្នន័យ និងសំណុំទិន្នន័យនៅក្នុងកន្លែងធ្វើការ Azure Machine Learning និងរបៀបប្រើពួកវាក្នុងការពិសោធន៍បណ្តុះបណ្តាលគំរូ។
មេរៀន
- ធ្វើការជាមួយ Datastores
- ធ្វើការជាមួយសំណុំទិន្នន័យ
មន្ទីរពិសោធន៍៖ ធ្វើការជាមួយទិន្នន័យ
បន្ទាប់ពីបញ្ចប់ម៉ូឌុលនេះអ្នកនឹងអាច
- បង្កើត និងប្រើប្រាស់ឃ្លាំងទិន្នន័យ
- បង្កើត និងប្រើប្រាស់សំណុំទិន្នន័យ
ម៉ូឌុល 5: ធ្វើការជាមួយកុំព្យូទ័រ
អត្ថប្រយោជន៍សំខាន់មួយរបស់ cloud គឺសមត្ថភាពក្នុងការប្រើប្រាស់ធនធានគណនាតាមតម្រូវការ និងប្រើប្រាស់វាដើម្បីធ្វើមាត្រដ្ឋានដំណើរការសិក្សារបស់ម៉ាស៊ីនដល់វិសាលភាពដែលមិនអាចធ្វើទៅរួចនៅលើផ្នែករឹងផ្ទាល់ខ្លួនរបស់អ្នក។ នៅក្នុងម៉ូឌុលនេះ អ្នកនឹងរៀនពីរបៀបគ្រប់គ្រងបរិយាកាសពិសោធន៍ដែលធានានូវភាពស៊ីសង្វាក់គ្នានៃរយៈពេលដំណើរការសម្រាប់ការពិសោធន៍ និងរបៀបបង្កើត និងប្រើប្រាស់គោលដៅគណនាសម្រាប់ការដំណើរការសាកល្បង។
មេរៀន
- ធ្វើការជាមួយបរិស្ថាន
- ធ្វើការជាមួយកុំព្យូទ័រគោលដៅ
មន្ទីរពិសោធន៍៖ ធ្វើការជាមួយកុំព្យូទ័រ
បន្ទាប់ពីបញ្ចប់ម៉ូឌុលនេះអ្នកនឹងអាច
- បង្កើត និងប្រើប្រាស់បរិស្ថាន
- បង្កើត និងប្រើប្រាស់គោលដៅគណនា
ម៉ូឌុលទី 6: ការរៀបចំប្រតិបត្តិការជាមួយបំពង់
ឥឡូវនេះអ្នកយល់ពីមូលដ្ឋានគ្រឹះនៃការដំណើរការបន្ទុកការងារជាការពិសោធន៍ដែលប្រើទ្រព្យសម្បត្តិទិន្នន័យ និងធនធានគណនា វាជាពេលដែលត្រូវរៀនពីរបៀបរៀបចំបន្ទុកការងារទាំងនេះជាបំពង់នៃជំហានដែលតភ្ជាប់។ បំពង់គឺជាគន្លឹះក្នុងការអនុវត្តដំណោះស្រាយ Machine Learning Operationalization (ML Ops) ដែលមានប្រសិទ្ធភាពនៅក្នុង Azure ដូច្នេះអ្នកនឹងស្វែងយល់ពីរបៀបកំណត់ និងដំណើរការពួកវានៅក្នុងម៉ូឌុលនេះ។
មេរៀន
- ការណែនាំអំពីបំពង់
- ការបោះពុម្ពនិងដំណើរការបំពង់
មន្ទីរពិសោធន៍៖ បង្កើតបំពង់
បន្ទាប់ពីបញ្ចប់ម៉ូឌុលនេះអ្នកនឹងអាច
- បង្កើតបំពង់ដើម្បីធ្វើឱ្យលំហូរការងាររៀនម៉ាស៊ីនដំណើរការដោយស្វ័យប្រវត្តិ
- ផ្សព្វផ្សាយ និងដំណើរការសេវាកម្មបំពង់បង្ហូរប្រេង
ម៉ូឌុលទី 7៖ ការដាក់ពង្រាយ និងការប្រើប្រាស់គំរូ
ម៉ូដែលត្រូវបានរចនាឡើងដើម្បីជួយធ្វើការសម្រេចចិត្តតាមរយៈការទស្សន៍ទាយ ដូច្នេះពួកវាមានប្រយោជន៍តែនៅពេលដាក់ឱ្យប្រើប្រាស់ និងអាចប្រើបានសម្រាប់កម្មវិធីប្រើប្រាស់។ ក្នុងម៉ូឌុលនេះរៀនពីរបៀបដាក់ពង្រាយគំរូសម្រាប់ការសន្និដ្ឋានក្នុងពេលជាក់ស្ដែង និងសម្រាប់ការសន្និដ្ឋានជាបាច់។
មេរៀន
- ការសន្និដ្ឋានតាមពេលវេលាជាក់ស្តែង
- ការសន្និដ្ឋានជាបាច់
- សមាហរណកម្មបន្តនិងការដឹកជញ្ជូន
មន្ទីរពិសោធន៍៖ បង្កើតសេវាកម្មអធិប្បាយតាមពេលវេលាជាក់ស្តែង
មន្ទីរពិសោធន៍៖ បង្កើតសេវាកម្មអធិប្បាយជាបាច់
បន្ទាប់ពីបញ្ចប់ម៉ូឌុលនេះអ្នកនឹងអាច
- បោះពុម្ពគំរូជាសេវាសន្និដ្ឋានតាមពេលវេលាជាក់ស្តែង
- បោះផ្សាយគំរូជាសេវាសន្និដ្ឋានជាបាច់
- ពិពណ៌នាអំពីបច្ចេកទេសដើម្បីអនុវត្តការរួមបញ្ចូលជាបន្តបន្ទាប់ និងការចែកចាយ
ម៉ូឌុលទី 8៖ ការបណ្តុះបណ្តាលគំរូល្អបំផុត
ដោយនេះ សtage នៃវគ្គសិក្សានេះ អ្នកបានរៀនពីដំណើរការបញ្ចប់ទៅទីបញ្ចប់សម្រាប់ការបណ្តុះបណ្តាល ការដាក់ពង្រាយ និងការប្រើប្រាស់គំរូរៀនម៉ាស៊ីន។ ប៉ុន្តែតើអ្នកធានាថាគំរូរបស់អ្នកបង្កើតលទ្ធផលព្យាករណ៍ល្អបំផុតសម្រាប់ទិន្នន័យរបស់អ្នកដោយរបៀបណា? នៅក្នុងម៉ូឌុលនេះ អ្នកនឹងស្វែងយល់ពីរបៀបដែលអ្នកអាចប្រើការលៃតម្រូវ hyperparameter និងការរៀនម៉ាស៊ីនស្វ័យប្រវត្តិដើម្បីយក advantage នៃការគណនាខ្នាតពពក និងស្វែងរកគំរូដ៏ល្អបំផុតសម្រាប់ទិន្នន័យរបស់អ្នក។
មេរៀន
- ការលៃតម្រូវប៉ារ៉ាម៉ែត្រខ្ពស់
- ការរៀនម៉ាស៊ីនដោយស្វ័យប្រវត្តិ
មន្ទីរពិសោធន៍៖ ប្រើការរៀនម៉ាស៊ីនស្វ័យប្រវត្តិពី SDK
មន្ទីរពិសោធន៍៖ Tune Hyperparameters បន្ទាប់ពីបញ្ចប់ម៉ូឌុលនេះ អ្នកនឹងអាច
- បង្កើនប្រសិទ្ធភាពប៉ារ៉ាម៉ែត្រខ្ពស់សម្រាប់ការបណ្តុះបណ្តាលគំរូ
- ប្រើការរៀនម៉ាស៊ីនស្វ័យប្រវត្តិដើម្បីស្វែងរកគំរូល្អបំផុតសម្រាប់ទិន្នន័យរបស់អ្នក។
ម៉ូឌុលទី 9៖ ការរៀនម៉ាស៊ីនប្រកបដោយការទទួលខុសត្រូវ
អ្នកវិទ្យាសាស្ត្រទិន្នន័យមានកាតព្វកិច្ចដើម្បីធានាថាពួកគេវិភាគទិន្នន័យ និងបណ្តុះបណ្តាលគំរូរៀនម៉ាស៊ីនប្រកបដោយការទទួលខុសត្រូវ។ គោរពឯកជនភាពបុគ្គល កាត់បន្ថយភាពលំអៀង និងធានាតម្លាភាព។ ម៉ូឌុលនេះស្វែងយល់ពីការពិចារណា និងបច្ចេកទេសមួយចំនួនសម្រាប់ការអនុវត្តគោលការណ៍រៀនម៉ាស៊ីនប្រកបដោយការទទួលខុសត្រូវ។ មេរៀន
- ភាពឯកជនឌីផេរ៉ង់ស្យែល
- ការបកស្រាយគំរូ
- យុត្តិធម៌
មន្ទីរពិសោធន៍៖ ស្វែងយល់ពីភាពខុសឆ្គងនៃឌីផេរ៉ង់ស្យែល
មន្ទីរពិសោធន៍៖ បកស្រាយគំរូ
មន្ទីរពិសោធន៍៖ ស្វែងរក និងកាត់បន្ថយភាពអយុត្តិធម៌ បន្ទាប់ពីបញ្ចប់ម៉ូឌុលនេះ អ្នកនឹងអាច
- អនុវត្តភាពខុសឆ្គងនៃឌីផេរ៉ង់ស្យែលចំពោះការវិភាគទិន្នន័យ
- ប្រើអ្នកពន្យល់ដើម្បីបកស្រាយគំរូរៀនម៉ាស៊ីន
- វាយតម្លៃគំរូសម្រាប់ភាពយុត្តិធម៌
ម៉ូឌុល 10: គំរូត្រួតពិនិត្យ
បន្ទាប់ពីគំរូត្រូវបានដាក់ឱ្យប្រើប្រាស់ វាជារឿងសំខាន់ក្នុងការយល់ដឹងពីរបៀបដែលម៉ូដែលនេះកំពុងត្រូវបានប្រើប្រាស់ក្នុងផលិតកម្ម និងដើម្បីរកឱ្យឃើញនូវការថយចុះនៃប្រសិទ្ធភាពរបស់វាដោយសារតែការរសាត់ទិន្នន័យ។ ម៉ូឌុលនេះពិពណ៌នាអំពីបច្ចេកទេសសម្រាប់ត្រួតពិនិត្យម៉ូដែល និងទិន្នន័យរបស់ពួកគេ។ មេរៀន
- តាមដានគំរូជាមួយការយល់ដឹងអំពីកម្មវិធី
- ការត្រួតពិនិត្យទិន្នន័យ Drift
មន្ទីរពិសោធន៍៖ ត្រួតពិនិត្យទិន្នន័យ Drift
មន្ទីរពិសោធន៍៖ តាមដានគំរូជាមួយការយល់ដឹងអំពីកម្មវិធី
បន្ទាប់ពីបញ្ចប់ម៉ូឌុលនេះអ្នកនឹងអាច
- ប្រើការយល់ដឹងពីកម្មវិធីដើម្បីតាមដានគំរូដែលបានបោះពុម្ពផ្សាយ
- តាមដានទិន្នន័យរសាត់
វិញ្ញាបនបត្រពាក់ព័ន្ធ និងការប្រឡង
វគ្គសិក្សានេះនឹងរៀបចំប្រតិភូឱ្យសរសេរ Microsoft DP-100: ការរចនា និងការអនុវត្តដំណោះស្រាយវិទ្យាសាស្ត្រទិន្នន័យលើការប្រឡង Azure ។
ឯកសារ/ធនធាន
 |
MECER MS-DP100T01 ការរចនា និងអនុវត្តដំណោះស្រាយវិទ្យាសាស្ត្រទិន្នន័យនៅលើ Azure [pdf] ការណែនាំអ្នកប្រើប្រាស់ MS-DP100T01 ការរចនា និងអនុវត្តដំណោះស្រាយវិទ្យាសាស្ត្រទិន្នន័យនៅលើ Azure, MS-DP100T01, ការរចនា និងអនុវត្តដំណោះស្រាយវិទ្យាសាស្ត្រទិន្នន័យនៅលើ Azure |
