MECER MS-DP100T01 Oblikovanje in implementacija podatkovne znanstvene rešitve na Azure
| TRAJANJE | STOPNJA | TEHNOLOGIJA | DOSTAVA METODA |
USPOSABLJANJE KREDITI |
| 3 dni | Vmesni | Azurno | Vodi inštruktor | NA |
UVOD
Pridobite potrebno znanje o tem, kako uporabljati storitve Azure za razvoj, usposabljanje in uvajanje rešitev za strojno učenje. Tečaj se začne z overomview storitev Azure, ki podpirajo podatkovno znanost. Od tam naprej se osredotoča na uporabo vrhunske podatkovne znanstvene storitve Azure, storitve Azure Machine Learning, za avtomatizacijo cevovoda podatkovne znanosti. Ta predmet je osredotočen na Azure in študenta ne uči, kako se ukvarjati s podatkovno znanostjo. Predpostavlja se, da učenci to že vedo.
OBČINSTVO PROFILE
Ta tečaj je namenjen podatkovnim znanstvenikom in tistim s pomembnimi odgovornostmi pri usposabljanju in uvajanju modelov strojnega učenja.
POVEZANOST Z DNE
Preden se udeležijo tega predmeta, morajo študenti imeti:
- Osnove Azure
- Razumevanje podatkovne znanosti, vključno s tem, kako pripraviti podatke, usposobiti modele in oceniti konkurenčne modele, da izberete najboljšega.
- Kako programirati v programskem jeziku Python in uporabljati knjižnice Python: pandas, scikit-learn, matplotlib in seaborn.
CILJI PREDMETA
Po zaključku tega tečaja bodo študenti sposobni:
- Razumeti podatkovno znanost v Azure
- Uporabite strojno učenje za avtomatizacijo procesa od konca do konca
- Upravljajte in spremljajte storitev strojnega učenja
Modul 1: Kako začeti s strojnim učenjem Azure
V tem modulu se boste naučili, kako zagotoviti delovni prostor strojnega učenja Azure in ga uporabiti za upravljanje sredstev strojnega učenja, kot so podatki, računanje, koda za usposabljanje modela, zabeležene meritve in usposobljeni modeli. Naučili se boste, kako uporabljati webvmesnik studia Azure Machine Learning, kot tudi SDK za strojno učenje Azure in orodja za razvijalce, kot sta Visual Studio Code in Jupyter Notebooks za delo s sredstvi v vašem delovnem prostoru.
Lekcije
- Uvod v strojno učenje Azure
- Delo s strojnim učenjem Azure
- laboratorij: Ustvarite delovni prostor strojnega učenja Azure
- Zagotovite delovni prostor strojnega učenja Azure
- Uporabite orodja in kodo za delo s strojnim učenjem Azure
Modul 2: Vizualna orodja za strojno učenje
Ta modul predstavlja vizualna orodja za samodejno strojno učenje in oblikovalec, ki jih lahko uporabite za usposabljanje, ocenjevanje in uvajanje modelov strojnega učenja brez pisanja kode.
Lekcije
- Avtomatsko strojno učenje
- Oblikovalec strojnega učenja Azure
laboratorij: Uporabite avtomatizirano strojno učenje
laboratorij: Uporabite Azure Machine Learning Designer
Po zaključku tega modula boste lahko
- Uporabite avtomatizirano strojno učenje za usposabljanje modela strojnega učenja
- Za usposabljanje modela uporabite oblikovalca Azure Machine Learning
Modul 3: Izvajanje eksperimentov in modeli usposabljanja
V tem modulu boste začeli s poskusi, ki zajemajo obdelavo podatkov, modelirajo kodo za usposabljanje in jih uporabljajo za usposabljanje modelov strojnega učenja. Lekcije
- Uvod v eksperimente
- Modeli za usposabljanje in registracijo
laboratorij: Modeli vlakov
laboratorij: Izvedite poskuse
Po zaključku tega modula boste lahko
- Izvajajte poskuse na podlagi kode v delovnem prostoru Azure Machine Learning
- Usposobite in registrirajte modele strojnega učenja
Modul 4: Delo s podatki Podatki
je temeljni element v kateri koli delovni obremenitvi strojnega učenja, zato se boste v tem modulu naučili, kako ustvariti in upravljati podatkovne shrambe in nabore podatkov v delovnem prostoru strojnega učenja Azure ter kako jih uporabiti v poskusih usposabljanja modelov.
Lekcije
- Delo s shrambami podatkov
- Delo z nabori podatkov
laboratorij: Delo s podatki
Po zaključku tega modula boste lahko
- Ustvarite in uporabite podatkovne shrambe
- Ustvarite in uporabite nize podatkov
Modul 5: Delo s Compute
Ena od ključnih prednosti oblaka je zmožnost izkoriščanja računalniških virov na zahtevo in njihove uporabe za prilagajanje procesov strojnega učenja v obsegu, ki bi bil neizvedljiv na vaši strojni opremi. V tem modulu se boste naučili, kako upravljati eksperimentalna okolja, ki zagotavljajo dosledno doslednost izvajalnega časa za poskuse, ter kako ustvariti in uporabiti računske cilje za izvajanje poskusov.
Lekcije
- Delo z okolji
- Delo s Compute Targets
laboratorij: Delajte z Compute
Po zaključku tega modula boste lahko
- Ustvarite in uporabite okolja
- Ustvarite in uporabite računske cilje
Modul 6: Orkestriranje operacij s cevovodi
Zdaj, ko razumete osnove izvajanja delovnih obremenitev kot poskusov, ki izkoriščajo podatkovna sredstva in računalniške vire, je čas, da se naučite, kako te delovne obremenitve orkestrirati kot cevovode povezanih korakov. Cevovodi so ključni za implementacijo učinkovite rešitve operacionalizacije strojnega učenja (ML Ops) v Azure, zato boste v tem modulu raziskali, kako jih definirati in zagnati.
Lekcije
- Uvod v cevovode
- Objavljanje in izvajanje cevovodov
laboratorij: Ustvarite cevovod
Po zaključku tega modula boste lahko
- Ustvarite cevovode za avtomatizacijo delovnih tokov strojnega učenja
- Objavite in zaženite storitve cevovoda
Modul 7: Uvajanje in uporaba modelov
Modeli so zasnovani tako, da pomagajo pri sprejemanju odločitev prek napovedi, zato so uporabni le, ko so uvedeni in na voljo aplikaciji za uporabo. V tem modulu se naučite, kako uvesti modele za sklepanje v realnem času in za paketno sklepanje.
Lekcije
- Sklepanje v realnem času
- Paketno sklepanje
- Nenehna integracija in dostava
laboratorij: Ustvarite storitev sklepanja v realnem času
laboratorij: Ustvarite storitev paketnega sklepanja
Po zaključku tega modula boste lahko
- Objavite model kot storitev sklepanja v realnem času
- Objavite model kot storitev paketnega sklepanja
- Opišite tehnike za izvajanje stalne integracije in dostave
Modul 8: Usposabljanje optimalnih modelov
S tem stage tečaja ste se naučili celovitega procesa za usposabljanje, uvajanje in uporabo modelov strojnega učenja; ampak kako zagotovite, da vaš model ustvari najboljše napovedne rezultate za vaše podatke? V tem modulu boste raziskali, kako lahko uporabite nastavitev hiperparametrov in avtomatizirano strojno učenje za napredovanjetage računalništva v oblaku in poiščite najboljši model za svoje podatke.
Lekcije
- Nastavitev hiperparametrov
- Avtomatsko strojno učenje
laboratorij: Uporabite avtomatizirano strojno učenje iz SDK
laboratorij: Uravnavanje hiperparametrov Po dokončanju tega modula boste lahko
- Optimizirajte hiperparametre za usposabljanje modela
- Uporabite avtomatizirano strojno učenje, da poiščete optimalen model za svoje podatke
Modul 9: Odgovorno strojno učenje
Podatkovni znanstveniki so dolžni zagotoviti, da analizirajo podatke in odgovorno usposabljajo modele strojnega učenja; spoštovanje zasebnosti posameznika, zmanjševanje pristranskosti in zagotavljanje preglednosti. Ta modul raziskuje nekatere premisleke in tehnike za uporabo načel odgovornega strojnega učenja. Lekcije
- Diferencialna zasebnost
- Interpretabilnost modela
- Pravičnost
laboratorij: Raziščite Differential zasebnost
laboratorij: Razlaga modelov
laboratorij: Odkrivanje in zmanjšanje nepoštenosti Po zaključku tega modula boste lahko
- Uporabite diferencialno zasebnost za analizo podatkov
- Uporabite razlagalce za interpretacijo modelov strojnega učenja
- Ocenite poštenost modelov
Modul 10: Modeli spremljanja
Ko je model uveden, je pomembno razumeti, kako se model uporablja v proizvodnji, in zaznati morebitno poslabšanje njegove učinkovitosti zaradi premikanja podatkov. Ta modul opisuje tehnike za spremljanje modelov in njihovih podatkov. Lekcije
- Spremljanje modelov z Application Insights
- Spremljanje premikanja podatkov
laboratorij: Spremljajte premik podatkov
laboratorij: Spremljajte model z Application Insights
Po zaključku tega modula boste lahko
- Uporabite Application Insights za spremljanje objavljenega modela
- Spremljajte premik podatkov
POVEZANA CERTIFIKACIJA IN IZPIT
Ta tečaj bo udeležence pripravil na pisanje izpita Microsoft DP-100: Oblikovanje in implementacija rešitve podatkovne znanosti na Azure.
Dokumenti / Viri
 |
MECER MS-DP100T01 Oblikovanje in implementacija podatkovne znanstvene rešitve na Azure [pdf] Uporabniški priročnik MS-DP100T01 Oblikovanje in uvedba rešitve podatkovne znanosti na Azure, MS-DP100T01, načrtovanje in uvedba rešitve podatkovne znanosti na Azure |
