MECER MS-DP100T01 Merekabentuk dan Melaksanakan Penyelesaian Sains Data Pada Azure
| TEMPOH | TINGKAT | TEKNOLOGI | PENGHANTARAN KAEDAH |
LATIHAN KREDIT |
| 3 Hari | Pertengahan | Azure | Diterajui pengajar | NA |
PENGENALAN
Dapatkan pengetahuan yang diperlukan tentang cara menggunakan perkhidmatan Azure untuk membangunkan, melatih dan menggunakan penyelesaian pembelajaran mesin. Kursus bermula dengan tamatview perkhidmatan Azure yang menyokong sains data. Dari situ, ia menumpukan pada menggunakan perkhidmatan sains data utama Azure, perkhidmatan Pembelajaran Mesin Azure, untuk mengautomasikan saluran paip sains data. Kursus ini memberi tumpuan kepada Azure dan tidak mengajar pelajar bagaimana untuk melakukan sains data. Diandaikan pelajar sudah mengetahuinya.
PENONTON PROFILE
Kursus ini bertujuan untuk saintis data dan mereka yang mempunyai tanggungjawab penting dalam melatih dan menggunakan model pembelajaran mesin.
PRASUITAS
Sebelum mengikuti kursus ini, pelajar mesti mempunyai:
- Asas Azure
- Pemahaman sains data termasuk cara menyediakan data, melatih model dan menilai model bersaing untuk memilih yang terbaik.
- Cara memprogram dalam bahasa pengaturcaraan Python dan menggunakan perpustakaan Python: panda, scikit-learn, matplotlib dan seaborn.
OBJEKTIF KURSUS
Selepas menamatkan kursus ini, pelajar akan dapat:
- Fahami sains data dalam Azure
- Gunakan Pembelajaran Mesin untuk mengautomasikan proses hujung ke hujung
- Urus dan pantau perkhidmatan Pembelajaran Mesin
Modul 1: Bermula dengan Pembelajaran Mesin Azure
Dalam modul ini, anda akan belajar cara menyediakan ruang kerja Pembelajaran Mesin Azure dan menggunakannya untuk mengurus aset pembelajaran mesin seperti data, pengiraan, kod latihan model, metrik log dan model terlatih. Anda akan belajar cara menggunakan webantara muka studio Pembelajaran Mesin Azure berasaskan serta SDK Pembelajaran Mesin Azure dan alat pembangun seperti Kod Visual Studio dan Buku Nota Jupyter untuk berfungsi dengan aset dalam ruang kerja anda.
Pelajaran
- Pengenalan kepada Pembelajaran Mesin Azure
- Bekerja dengan Pembelajaran Mesin Azure
- Makmal: Cipta Ruang Kerja Pembelajaran Mesin Azure
- Menyediakan ruang kerja Pembelajaran Mesin Azure
- Gunakan alatan dan kod untuk bekerja dengan Pembelajaran Mesin Azure
Modul 2: Alat Visual untuk Pembelajaran Mesin
Modul ini memperkenalkan Pembelajaran Mesin Automatik dan alatan visual Pereka, yang boleh anda gunakan untuk melatih, menilai dan menggunakan model pembelajaran mesin tanpa menulis sebarang kod.
Pelajaran
- Pembelajaran Mesin Automatik
- Pereka Pembelajaran Mesin Azure
Makmal: Gunakan Pembelajaran Mesin Automatik
Makmal: Gunakan Pereka Pembelajaran Mesin Azure
Selepas melengkapkan modul ini, anda akan dapat
- Gunakan pembelajaran mesin automatik untuk melatih model pembelajaran mesin
- Gunakan pereka Pembelajaran Mesin Azure untuk melatih model
Modul 3: Menjalankan Eksperimen dan Model Latihan
Dalam modul ini, anda akan bermula dengan eksperimen yang merangkumi pemprosesan data, kod latihan model dan menggunakannya untuk melatih model pembelajaran mesin. Pengajaran
- Pengenalan kepada Eksperimen
- Model Latihan dan Pendaftaran
Makmal: Model Kereta Api
Makmal: Jalankan Eksperimen
Selepas melengkapkan modul ini, anda akan dapat
- Jalankan percubaan berasaskan kod dalam ruang kerja Pembelajaran Mesin Azure
- Latih dan daftar model pembelajaran mesin
Modul 4: Bekerja dengan Data Data
ialah elemen asas dalam mana-mana beban kerja pembelajaran mesin, jadi dalam modul ini, anda akan belajar cara mencipta dan mengurus stor data dan set data dalam ruang kerja Pembelajaran Mesin Azure, dan cara menggunakannya dalam eksperimen latihan model.
Pelajaran
- Bekerja dengan Datastores
- Bekerja dengan Set Data
Makmal: Bekerja dengan Data
Selepas melengkapkan modul ini, anda akan dapat
- Buat dan gunakan stor data
- Buat dan gunakan set data
Modul 5: Bekerja dengan Compute
Salah satu faedah utama awan ialah keupayaan untuk memanfaatkan sumber pengiraan atas permintaan dan menggunakannya untuk menskalakan proses pembelajaran mesin ke tahap yang tidak dapat dilaksanakan pada perkakasan anda sendiri. Dalam modul ini, anda akan belajar cara mengurus persekitaran percubaan yang memastikan ketekalan masa jalan yang konsisten untuk percubaan dan cara mencipta dan menggunakan sasaran pengiraan untuk percubaan dijalankan.
Pelajaran
- Bekerja dengan Persekitaran
- Bekerja dengan Sasaran Kira
Makmal: Bekerja dengan Compute
Selepas melengkapkan modul ini, anda akan dapat
- Cipta dan gunakan persekitaran
- Cipta dan gunakan sasaran pengiraan
Modul 6: Mengatur Operasi dengan Talian Paip
Memandangkan anda memahami asas menjalankan beban kerja sebagai percubaan yang memanfaatkan aset data dan sumber pengiraan, tiba masanya untuk mempelajari cara mengatur beban kerja ini sebagai saluran paip langkah yang disambungkan. Saluran paip adalah kunci untuk melaksanakan penyelesaian Pengendalian Pembelajaran Mesin (ML Ops) yang berkesan dalam Azure, jadi anda akan meneroka cara untuk mentakrif dan menjalankannya dalam modul ini.
Pelajaran
- Pengenalan kepada Saluran Paip
- Menerbitkan dan Menjalankan Saluran Paip
Makmal: Buat Saluran Paip
Selepas melengkapkan modul ini, anda akan dapat
- Buat saluran paip untuk mengautomasikan aliran kerja pembelajaran mesin
- Terbitkan dan jalankan perkhidmatan saluran paip
Modul 7: Menggunakan dan Menggunakan Model
Model direka bentuk untuk membantu membuat keputusan melalui ramalan, jadi ia hanya berguna apabila digunakan dan tersedia untuk digunakan oleh aplikasi. Dalam modul ini pelajari cara menggunakan model untuk inferens masa nyata dan untuk inferens kelompok.
Pelajaran
- Inferens masa nyata
- Inferens Kelompok
- Integrasi dan Penyampaian Berterusan
Makmal: Buat Perkhidmatan Inferens Masa Nyata
Makmal: Buat Perkhidmatan Inferens Berkelompok
Selepas melengkapkan modul ini, anda akan dapat
- Terbitkan model sebagai perkhidmatan inferens masa nyata
- Terbitkan model sebagai perkhidmatan inferens kelompok
- Huraikan teknik untuk melaksanakan integrasi dan penyampaian berterusan
Modul 8: Melatih Model Optimum
Oleh s initagDalam kursus ini, anda telah mempelajari proses hujung ke hujung untuk melatih, menggunakan dan menggunakan model pembelajaran mesin; tetapi bagaimana anda memastikan model anda menghasilkan output ramalan terbaik untuk data anda? Dalam modul ini, anda akan meneroka cara anda boleh menggunakan penalaan hiperparameter dan pembelajaran mesin automatik untuk mengambil advantage pengiraan skala awan dan cari model terbaik untuk data anda.
Pelajaran
- Penalaan Hiperparameter
- Pembelajaran Mesin Automatik
Makmal: Gunakan Pembelajaran Mesin Automatik daripada SDK
Makmal: Tala Hiperparameter Selepas melengkapkan modul ini, anda akan dapat
- Optimumkan hiperparameter untuk latihan model
- Gunakan pembelajaran mesin automatik untuk mencari model optimum untuk data anda
Modul 9: Pembelajaran Mesin Bertanggungjawab
Saintis data mempunyai kewajipan untuk memastikan mereka menganalisis data dan melatih model pembelajaran mesin secara bertanggungjawab; menghormati privasi individu, mengurangkan berat sebelah dan memastikan ketelusan. Modul ini meneroka beberapa pertimbangan dan teknik untuk menggunakan prinsip pembelajaran mesin yang bertanggungjawab. Pengajaran
- Privasi Berbeza
- Kebolehtafsiran Model
- Keadilan
Makmal: Terokai Pembezaan provasi
Makmal: Mentafsir Model
Makmal: Mengesan dan Mengurangkan Ketidakadilan Selepas melengkapkan modul ini, anda akan dapat
- Gunakan provasi pembezaan pada analisis data
- Gunakan penerangan untuk mentafsir model pembelajaran mesin
- Nilaikan model untuk keadilan
Modul 10: Model Pemantauan
Selepas model digunakan, adalah penting untuk memahami cara model digunakan dalam pengeluaran dan untuk mengesan sebarang kemerosotan dalam keberkesanannya disebabkan oleh hanyutan data. Modul ini menerangkan teknik untuk memantau model dan datanya. Pengajaran
- Model Pemantauan dengan Cerapan Aplikasi
- Memantau Hanyut Data
Makmal: Pantau Data Drift
Makmal: Pantau Model dengan Cerapan Aplikasi
Selepas melengkapkan modul ini, anda akan dapat
- Gunakan Application Insights untuk memantau model yang diterbitkan
- Pantau hanyutan data
PERSIJILAN & PEPERIKSAAN BERKAITAN
Kursus ini akan menyediakan perwakilan untuk menulis Microsoft DP-100: Merekabentuk dan Melaksanakan Penyelesaian Sains Data pada peperiksaan Azure.
Dokumen / Sumber
 |
MECER MS-DP100T01 Merekabentuk dan Melaksanakan Penyelesaian Sains Data Pada Azure [pdf] Panduan Pengguna MS-DP100T01 Merekabentuk dan Melaksanakan Penyelesaian Sains Data Pada Azure, MS-DP100T01, Merekabentuk dan Melaksanakan Penyelesaian Sains Data Pada Azure |
