MECER MS-DP100T01 ڊيزائننگ ۽ لاڳو ڪريو ڊيٽا سائنس حل Azure تي
| DURATION | سطح | ٽيڪنالاجي | پهچائڻ طريقو |
ٽريننگ ڪريڊٽ |
| 3 ڏينهن | وچڙندڙ | ازور | استاد جي اڳواڻي ۾ | NA |
تعارف
ضروري ڄاڻ حاصل ڪريو Azure خدمتن کي ڪيئن استعمال ڪرڻ، ترقي ڪرڻ، ۽ ترتيب ڏيڻ، مشين لرننگ حل. ڪورس هڪ اوور سان شروع ٿئي ٿوview Azure خدمتون جيڪي ڊيٽا سائنس کي سپورٽ ڪن ٿيون. اتان کان، اهو استعمال ڪرڻ تي ڌيان ڏئي ٿو Azure جي پريميئر ڊيٽا سائنس سروس، Azure مشين لرننگ سروس، ڊيٽا سائنس پائپ لائن کي خودڪار ڪرڻ لاءِ. هي ڪورس Azure تي مرکوز آهي ۽ شاگرد کي سيکاري نٿو ته ڊيٽا سائنس ڪيئن ڪجي. اهو فرض ڪيو ويو آهي ته شاگرد اڳ ۾ ئي ڄاڻن ٿا.
سامعين پروFILE
هن ڪورس جو مقصد آهي ڊيٽا سائنسدانن ۽ جن وٽ مشين سکيا جا ماڊل ٽريننگ ۽ ترتيب ڏيڻ ۾ اهم ذميواريون آهن.
اڳڀرائي
ھن ڪورس ۾ شامل ٿيڻ کان اڳ، شاگردن کي ھئڻ گھرجي:
- Azure بنياديات
- ڊيٽا سائنس جي سمجھڻ سميت ڊيٽا ڪيئن تيار ڪجي، ماڊل ٽرين، ۽ مقابلي واري ماڊل جو جائزو وٺڻ لاءِ بهترين چونڊيو.
- پٿون پروگرامنگ ٻولي ۾ پروگرام ڪيئن ڪجي ۽ پٿون لائبرريون استعمال ڪجي: پانڊاس، اسڪِٽ-لرن، matplotlib، ۽ seaborn.
ڪورس جا مقصد
هن ڪورس کي مڪمل ڪرڻ کان پوء، شاگرد قابل ٿي سگهندا:
- Azure ۾ ڊيٽا سائنس کي سمجھو
- آخر کان آخر تائين عمل کي خودڪار ڪرڻ لاءِ مشين لرننگ استعمال ڪريو
- مشين لرننگ سروس کي منظم ۽ مانيٽر ڪريو
ماڊل 1: Azure مشين لرننگ سان شروعات ڪرڻ
هن ماڊل ۾، توهان سکندا ته ڪيئن هڪ Azure Machine Learning Workspace مهيا ڪجي ۽ ان کي مشين لرننگ اثاثن کي منظم ڪرڻ لاءِ استعمال ڪيو وڃي جيئن ڊيٽا، ڪمپيوٽ، ماڊل ٽريننگ ڪوڊ، لاگ ٿيل ميٽرڪس، ۽ تربيت يافته ماڊل. توهان سکو ته ڪيئن استعمال ڪجي web-based Azure Machine Learning اسٽوڊيو انٽرفيس سان گڏوگڏ Azure Machine Learning SDK ۽ ڊولپر ٽولز جهڙوڪ Visual Studio Code ۽ Jupyter Notebooks توهان جي ڪم اسپيس ۾ موجود اثاثن سان ڪم ڪرڻ لاءِ.
سبق
- Azure مشين لرننگ جو تعارف
- Azure مشين لرننگ سان ڪم ڪرڻ
- ليب: هڪ Azure مشين لرننگ ورڪ اسپيس ٺاهيو
- هڪ Azure مشين لرننگ ورڪ اسپيس فراهم ڪريو
- Azure Machine Learning سان ڪم ڪرڻ لاءِ اوزار ۽ ڪوڊ استعمال ڪريو
ماڊل 2: مشين لرننگ لاءِ بصري اوزار
هي ماڊل متعارف ڪرايو آهي خودڪار مشين لرننگ ۽ ڊزائينر بصري اوزار، جن کي توهان بغير ڪنهن ڪوڊ لکڻ جي مشين لرننگ ماڊل کي تربيت ڏيڻ، جائزو وٺڻ ۽ ترتيب ڏيڻ لاءِ استعمال ڪري سگهو ٿا.
سبق
- خودڪار مشين سکڻ
- Azure مشين لرننگ ڊيزائنر
ليب: خودڪار مشين سکيا استعمال ڪريو
ليب: Azure مشين لرننگ ڊيزائنر استعمال ڪريو
هن ماڊل کي مڪمل ڪرڻ کان پوء، توهان قابل ٿي سگهندا
- مشين لرننگ ماڊل کي تربيت ڏيڻ لاءِ خودڪار مشين لرننگ استعمال ڪريو
- استعمال ڪريو Azure مشين لرننگ ڊيزائنر ھڪڙي ماڊل کي تربيت ڏيڻ لاءِ
ماڊل 3: هلندڙ تجربا ۽ تربيت جا ماڊل
هن ماڊل ۾، توهان تجربن سان شروع ڪندا جيڪي ڊيٽا پروسيسنگ کي گڏ ڪن ٿا، ماڊل ٽريننگ ڪوڊ، ۽ انهن کي مشين لرننگ ماڊل ٽريننگ لاءِ استعمال ڪن ٿا. سبق
- تجربن جو تعارف
- ٽريننگ ۽ رجسٽريشن ماڊلز
ليب: ٽرين جا ماڊل
ليب: تجربو هلائڻ
هن ماڊل کي مڪمل ڪرڻ کان پوء، توهان قابل ٿي سگهندا
- Azure مشين لرننگ ورڪ اسپيس ۾ ڪوڊ تي ٻڌل تجربا هلو
- مشين سکيا جا ماڊل ٽرين ۽ رجسٽر ڪريو
ماڊل 4: ڊيٽا ڊيٽا سان ڪم ڪرڻ
ڪنهن به مشين لرننگ جي ڪم جي لوڊ ۾ هڪ بنيادي عنصر آهي، تنهن ڪري هن ماڊل ۾، توهان سکندا ته ڪيئن ٺاهيو ۽ ڪيئن منظم ڪجي ڊيٽا اسٽورز ۽ ڊيٽا سيٽ کي Azure مشين لرننگ ورڪ اسپيس ۾، ۽ انهن کي ماڊل ٽريننگ تجربن ۾ ڪيئن استعمال ڪجي.
سبق
- Datastores سان ڪم ڪرڻ
- Datasets سان ڪم ڪرڻ
ليب: ڊيٽا سان ڪم ڪريو
هن ماڊل کي مڪمل ڪرڻ کان پوء، توهان قابل ٿي سگهندا
- ڊيٽا اسٽور ٺاهيو ۽ استعمال ڪريو
- ڊيٽا سيٽ ٺاهيو ۽ استعمال ڪريو
ماڊل 5: ڪمپيوٽ سان ڪم ڪرڻ
ڪلائوڊ جي اهم فائدن مان هڪ آهي ڪمپيوٽ وسيلن کي طلب تي کڻڻ جي صلاحيت ۽ انهن کي استعمال ڪرڻ لاءِ مشين لرننگ جي عمل کي ان حد تائين جو جيڪو توهان جي پنهنجي هارڊويئر تي ناقابل عمل هوندو. هن ماڊل ۾، توهان سيکاريندا سين ته ڪيئن تجربي واري ماحول کي منظم ڪجي جيڪي تجربن لاءِ مسلسل رن ٽائم جي تسلسل کي يقيني بڻائين، ۽ تجرباتي رنن لاءِ ڪمپيوٽ ٽارگيٽ ڪيئن ٺاهجن ۽ استعمال ڪن.
سبق
- ماحول سان ڪم ڪرڻ
- ڪمپيوٽ ٽارگيٽ سان ڪم ڪرڻ
ليب: Compute سان ڪم ڪريو
هن ماڊل کي مڪمل ڪرڻ کان پوء، توهان قابل ٿي سگهندا
- ماحول ٺاهيو ۽ استعمال ڪريو
- ٺاھڻ ۽ استعمال ڪريو حساب ڪتاب
ماڊل 6: پائپ لائنن سان آرڪيسٽريٽنگ آپريشن
ھاڻي جڏھن توھان سمجھو ٿا ڪم لوڊ ڪرڻ جي بنيادي ڳالھين کي تجربن جي طور تي جيڪي ڊيٽا اثاثن جو فائدو وٺن ٿا ۽ وسيلن کي گڏ ڪن ٿا، اھو وقت آھي سکڻ جو ته انھن ڪم لوڊ کي ڪيئن ٺاھيو وڃي ڳنڍيل مرحلن جي پائپ لائنن جي طور تي. Azure ۾ هڪ مؤثر مشين لرننگ آپريشنلائيزيشن (ML Ops) حل لاڳو ڪرڻ لاءِ پائپ لائنون اهم آهن، تنهن ڪري توهان ڳوليندا ته انهن کي ڪيئن بيان ڪجي ۽ هن ماڊل ۾ هلائڻ.
سبق
- پائپ لائنز جو تعارف
- پبلشنگ ۽ رننگ پائپ لائنز
ليب: هڪ پائپ لائن ٺاهيو
هن ماڊل کي مڪمل ڪرڻ کان پوء، توهان قابل ٿي سگهندا
- مشين لرننگ ورڪ فلوز کي خودڪار ڪرڻ لاءِ پائپ لائنون ٺاهيو
- پائيپ لائين سروسز کي شايع ۽ هلائڻ
ماڊل 7: ماڊلز کي ترتيب ڏيڻ ۽ استعمال ڪرڻ
ماڊل اڳڪٿين ذريعي فيصلا ڪرڻ ۾ مدد ڏيڻ لاءِ ٺاهيا ويا آهن، تنهن ڪري اهي صرف تڏهن ڪارائتو هوندا آهن جڏهن استعمال ٿيل هجي ۽ استعمال ڪرڻ لاءِ ايپليڪيشن لاءِ دستياب هجي. هن ماڊيول ۾ سکو ته ماڊلز کي ريئل ٽائيم انفرينسنگ، ۽ بيچ انفرينسنگ لاءِ ڪيئن لڳايو وڃي.
سبق
- حقيقي وقت جو اندازو لڳائڻ
- Batch Inferencing
- مسلسل انضمام ۽ پهچائڻ
ليب: هڪ حقيقي وقت انفرنسنگ سروس ٺاهيو
ليب: هڪ بيچ انفرنسنگ سروس ٺاهيو
هن ماڊل کي مڪمل ڪرڻ کان پوء، توهان قابل ٿي سگهندا
- هڪ ماڊل شايع ڪريو حقيقي وقت جي انفرنس سروس جي طور تي
- بيچ انفرنس سروس جي طور تي ماڊل شايع ڪريو
- مسلسل انضمام ۽ ترسيل کي لاڳو ڪرڻ لاء ٽيڪنالاجي بيان ڪريو
ماڊل 8: ٽريننگ بهترين ماڊلز
ان ڪري ايسtagاي ڪورس مان، توهان سکيا آهن آخر کان آخر تائين ٽريننگ، ڊيپلائي ڪرڻ، ۽ استعمال ڪرڻ واري مشين سکيا ماڊل؛ پر توهان ڪيئن يقيني بڻائي سگهو ٿا ته توهان جو ماڊل توهان جي ڊيٽا لاءِ بهترين اڳڪٿي ڪندڙ پيداوار پيدا ڪري ٿو؟ هن ماڊل ۾، توهان ڳوليندا سين ته توهان ڪيئن استعمال ڪري سگهو ٿا هائپرپيراميٽر ٽيوننگ ۽ خودڪار مشين سکياtagڪلائوڊ اسڪيل جي حساب سان ۽ توهان جي ڊيٽا لاءِ بهترين ماڊل ڳولهيو.
سبق
- هائپر پيراميٽر ٽيوننگ
- خودڪار مشين سکڻ
ليب: SDK مان خودڪار مشين لرننگ استعمال ڪريو
ليب: ٽيون Hyperparameters هن ماڊل کي مڪمل ڪرڻ کان پوء، توهان قابل ٿي سگهندا
- ماڊل ٽريننگ لاءِ هائپرپراميٽر کي بهتر بڻايو
- پنھنجي ڊيٽا لاءِ بھترين ماڊل ڳولڻ لاءِ خودڪار مشين لرننگ استعمال ڪريو
ماڊل 9: ذميدار مشين لرننگ
ڊيٽا سائنسدانن جو فرض آهي ته هو انهي ڳالهه کي يقيني بڻائين ته اهي ڊيٽا جو تجزيو ڪن ۽ مشين لرننگ ماڊلز کي ذميواري سان تربيت ڏين؛ انفرادي رازداري جو احترام ڪرڻ، تعصب کي گهٽائڻ، ۽ شفافيت کي يقيني بڻائڻ. هي ماڊل مشين جي سکيا جي ذميوار اصولن کي لاڳو ڪرڻ لاءِ ڪجهه غور ۽ فڪر کي ڳولي ٿو. سبق
- فرق واري رازداري
- ماڊل تفسير
- انصاف
ليب: تفسير پروسيسي جي ڳولا ڪريو
ليب: تفسير ماڊلز
ليب: هن ماڊل کي مڪمل ڪرڻ کان پوءِ ناانصافي کي ڳوليو ۽ گھٽايو، توهان قابل ٿي ويندا
- ڊيٽا جي تجزيي ۾ فرق جي ثابتي کي لاڳو ڪريو
- مشين لرننگ ماڊل جي تشريح لاءِ وضاحت ڪندڙ استعمال ڪريو
- انصاف لاء ماڊلز جو جائزو وٺو
ماڊل 10: مانيٽرنگ ماڊل
هڪ ماڊل کي ترتيب ڏيڻ کان پوء، اهو سمجهڻ ضروري آهي ته ماڊل پيداوار ۾ ڪيئن استعمال ڪيو پيو وڃي، ۽ ڊيٽا جي وهڪري جي سبب ان جي اثرائتي ۾ ڪنهن به خرابي کي ڳولڻ لاء. هي ماڊل ماڊلز ۽ انهن جي ڊيٽا جي نگراني لاءِ ٽيڪنالاجي بيان ڪري ٿو. سبق
- ايپليڪيشن بصيرت سان ماڊل جي نگراني
- مانيٽرنگ ڊيٽا ڊرافٽ
ليب: مانيٽر ڊيٽا ڊرافٽ
ليب: ايپليڪيشن بصيرت سان ماڊل جي نگراني ڪريو
هن ماڊل کي مڪمل ڪرڻ کان پوء، توهان قابل ٿي سگهندا
- شايع ٿيل ماڊل جي نگراني ڪرڻ لاءِ ايپليڪيشن بصيرت استعمال ڪريو
- ڊيٽا جي منتقلي جي نگراني ڪريو
لاڳاپيل سرٽيفڪيشن ۽ امتحان
هي ڪورس Microsoft DP-100 لکڻ لاءِ نمائندن کي تيار ڪندو: Azure امتحان تي ڊيٽا سائنس حل جي ڊيزائن ۽ ان تي عمل درآمد.
دستاويز / وسيلا
 |
MECER MS-DP100T01 ڊيزائننگ ۽ لاڳو ڪريو ڊيٽا سائنس حل Azure تي [pdf] استعمال ڪندڙ ھدايت MS-DP100T01 ڊيزائننگ ۽ ان تي عمل ڪريو ڊيٽا سائنس حل Azure تي، MS-DP100T01، ڊيزائننگ ۽ لاڳو ڪريو ڊيٽا سائنس حل Azure تي |
