MECER MS-DP100T01 Ṣiṣeto ati Ṣiṣe Solusan Imọ-jinlẹ Data Lori Azure
| Àkókò | IPILE | Imọ-ẹrọ | IBILE Ọ̀nà |
Ikẹkọ IRETI |
| 3 Ọjọ | Agbedemeji | Azure | Olukọni-dari | NA |
AKOSO
Gba imọ to wulo nipa bii o ṣe le lo awọn iṣẹ Azure lati ṣe idagbasoke, ikẹkọ, ati imuṣiṣẹ, awọn solusan ikẹkọ ẹrọ. Ẹkọ naa bẹrẹ pẹlu ipariview ti awọn iṣẹ Azure ti o ṣe atilẹyin imọ-jinlẹ data. Lati ibẹ, o dojukọ lori lilo iṣẹ imọ-jinlẹ data akọkọ ti Azure, Iṣẹ Ẹkọ Ẹrọ Azure, lati ṣe adaṣe opo gigun ti imọ-jinlẹ data. Ẹkọ yii wa ni idojukọ lori Azure ati pe ko kọ ọmọ ile-iwe bi o ṣe le ṣe imọ-jinlẹ data. O ti ro pe awọn ọmọ ile-iwe ti mọ iyẹn.
Olugbo PROFILE
Ẹkọ yii jẹ ifọkansi si awọn onimọ-jinlẹ data ati awọn ti o ni awọn ojuse pataki ni ikẹkọ ati gbigbe awọn awoṣe ikẹkọ ẹrọ.
AWON Ibere
Ṣaaju ki o to lọ si ikẹkọ yii, awọn ọmọ ile-iwe gbọdọ ni:
- Azure Awọn ipilẹ
- Oye ti imọ-jinlẹ data pẹlu bii o ṣe le mura data, awọn awoṣe ọkọ oju irin, ati ṣe iṣiro awọn awoṣe idije lati yan eyi ti o dara julọ.
- Bii o ṣe le ṣe eto ni ede siseto Python ati lo awọn ile-ikawe Python: pandas, scikit-learn, matplotlib, ati ọmọ inu omi.
AWON IDI ETO
Lẹhin ipari ẹkọ yii, awọn ọmọ ile-iwe yoo ni anfani lati:
- Loye imọ-jinlẹ data ni Azure
- Lo Ẹkọ Ẹrọ lati ṣe adaṣe ilana ipari-si-opin
- Ṣakoso ati bojuto iṣẹ Ẹkọ Ẹrọ
Module 1: Bibẹrẹ pẹlu Ẹkọ ẹrọ Azure
Ninu module yii, iwọ yoo kọ ẹkọ bii o ṣe le pese aaye iṣẹ ikẹkọ ẹrọ Azure kan ati lo lati ṣakoso awọn ohun-ini ikẹkọ ẹrọ gẹgẹbi data, iṣiro, koodu ikẹkọ awoṣe, awọn metiriki ti a wọle, ati awọn awoṣe ikẹkọ. Iwọ yoo kọ ẹkọ bi o ṣe le lo web-orisun Azure Machine Learning ni wiwo ile isise bi daradara bi Azure Machine Learning SDK ati awọn irinṣẹ idagbasoke bi Visual Studio Code ati Jupyter Notebooks lati ṣiṣẹ pẹlu awọn ohun-ini ninu aaye iṣẹ rẹ.
Awọn ẹkọ
- Ifihan to Azure Machine Learning
- Nṣiṣẹ pẹlu Azure Machine Learning
- Laabu: Ṣẹda aaye iṣẹ Ẹkọ ẹrọ Azure kan
- Pese aaye iṣẹ Ẹkọ ẹrọ Azure kan
- Lo awọn irinṣẹ ati koodu lati ṣiṣẹ pẹlu Ẹkọ ẹrọ Azure
Module 2: Awọn irinṣẹ wiwo fun Ẹkọ ẹrọ
Module yii ṣafihan Awọn irinṣẹ Iwoye Ẹrọ Automated ati Onise, eyiti o le lo lati ṣe ikẹkọ, ṣe iṣiro, ati fi awọn awoṣe ikẹkọ ẹrọ ṣiṣẹ laisi kikọ eyikeyi koodu.
Awọn ẹkọ
- Aládàáṣiṣẹ Machine Learning
- Azure Machine Learning onise
Laabu: Lo Aládàáṣiṣẹ Ẹkọ ẹrọ
Laabu: Lo Azure Machine Learning onise
Lẹhin ipari module yii, iwọ yoo ni anfani lati
- Lo ikẹkọ ẹrọ adaṣe lati kọ awoṣe ikẹkọ ẹrọ kan
- Lo apẹẹrẹ Ẹkọ Ẹrọ Azure lati ṣe ikẹkọ awoṣe kan
Module 3: Ṣiṣe Awọn idanwo ati Awọn awoṣe Ikẹkọ
Ninu module yii, iwọ yoo bẹrẹ pẹlu awọn adanwo ti o ṣafikun sisẹ data, koodu ikẹkọ awoṣe, ati lo wọn lati kọ awọn awoṣe ikẹkọ ẹrọ. Awọn ẹkọ
- Ifihan si awọn adanwo
- Ikẹkọ ati Awọn awoṣe Iforukọsilẹ
Laabu: Reluwe Models
Laabu: Ṣiṣe awọn adanwo
Lẹhin ipari module yii, iwọ yoo ni anfani lati
- Ṣiṣe awọn adanwo ti o da koodu ni aaye iṣẹ Ẹkọ Ẹrọ Azure kan
- Ṣe ikẹkọ ati forukọsilẹ awọn awoṣe ikẹkọ ẹrọ
Module 4: Nṣiṣẹ pẹlu Data Data
jẹ ẹya ipilẹ ni eyikeyi iṣẹ ṣiṣe ikẹkọ ẹrọ, nitorinaa ninu module yii, iwọ yoo kọ bii o ṣe le ṣẹda ati ṣakoso awọn ibi ipamọ data ati awọn iwe-ipamọ data ni aaye iṣẹ ikẹkọ ẹrọ Azure, ati bii o ṣe le lo wọn ni awọn adaṣe ikẹkọ awoṣe.
Awọn ẹkọ
- Nṣiṣẹ pẹlu Datastores
- Nṣiṣẹ pẹlu Datasets
Laabu: Ṣiṣẹ pẹlu Data
Lẹhin ipari module yii, iwọ yoo ni anfani lati
- Ṣẹda ati lo awọn ibi ipamọ data
- Ṣẹda ati lo awọn ipilẹ data
Module 5: Nṣiṣẹ pẹlu Iṣiro
Ọkan ninu awọn anfani bọtini ti awọsanma ni agbara lati lo awọn orisun iṣiro lori ibeere ati lo wọn lati ṣe iwọn awọn ilana ikẹkọ ẹrọ si iwọn ti kii yoo ṣeeṣe lori ohun elo tirẹ. Ninu module yii, iwọ yoo kọ ẹkọ bii o ṣe le ṣakoso awọn agbegbe idanwo ti o rii daju pe akoko asiko ṣiṣe deede fun awọn adanwo, ati bii o ṣe le ṣẹda ati lo awọn ibi-afẹde iṣiro fun awọn ṣiṣe idanwo.
Awọn ẹkọ
- Ṣiṣẹ pẹlu awọn ayika
- Nṣiṣẹ pẹlu Awọn ibi-afẹde Iṣiro
Laabu: Ṣiṣẹ pẹlu Iṣiro
Lẹhin ipari module yii, iwọ yoo ni anfani lati
- Ṣẹda ati lo awọn agbegbe
- Ṣẹda ati lo awọn ibi-afẹde iṣiro
Module 6: Orchestrating Mosi pẹlu Pipelines
Ni bayi ti o loye awọn ipilẹ ti ṣiṣiṣẹ awọn ẹru iṣẹ bi awọn idanwo ti o lo awọn ohun-ini data ati iṣiro awọn orisun, o to akoko lati kọ ẹkọ bi o ṣe le ṣe adaṣe awọn ẹru iṣẹ wọnyi bi awọn opo gigun ti awọn igbesẹ ti o sopọ. Awọn paipu jẹ bọtini lati ṣe imuse ọna ṣiṣe Iṣiṣẹ Ẹkọ Ẹrọ ti o munadoko (ML Ops) ni Azure, nitorinaa iwọ yoo ṣawari bi o ṣe le ṣalaye ati ṣiṣe wọn ni module yii.
Awọn ẹkọ
- Ifihan to Pipelines
- Titẹjade ati Ṣiṣe Awọn Pipelines
Laabu: Ṣẹda Pipeline
Lẹhin ipari module yii, iwọ yoo ni anfani lati
- Ṣẹda awọn opo gigun ti epo lati ṣe adaṣe adaṣe iṣẹ ṣiṣe ikẹkọ ẹrọ
- Ṣe atẹjade ati ṣiṣe awọn iṣẹ opo gigun ti epo
Module 7: Gbigbe ati Lilo Awọn awoṣe
Awọn awoṣe jẹ apẹrẹ lati ṣe iranlọwọ ṣiṣe ipinnu nipasẹ awọn asọtẹlẹ, nitorinaa wọn wulo nikan nigbati wọn ba gbe lọ ati pe o wa fun ohun elo lati jẹ. Ninu module yii kọ ẹkọ bii o ṣe le ran awọn awoṣe ṣiṣẹ fun inferencing gidi-akoko, ati fun inferencing ipele.
Awọn ẹkọ
- Real-akoko Inferencing
- Ipese Ipese
- Itẹsiwaju Integration ati Ifijiṣẹ
Laabu: Ṣẹda Iṣẹ Iṣe Iṣeduro akoko-gidi
Laabu: Ṣẹda a Batch Inferencing Service
Lẹhin ipari module yii, iwọ yoo ni anfani lati
- Ṣe atẹjade awoṣe bi iṣẹ itọni akoko gidi
- Ṣe atẹjade awoṣe bi iṣẹ itọka ipele
- Apejuwe imuposi lati se lemọlemọfún Integration ati ifijiṣẹ
Module 8: Ikẹkọ Awọn awoṣe Ti o dara julọ
Nipa eyi stage ti ẹkọ naa, o ti kọ ilana ipari-si-opin fun ikẹkọ, imuṣiṣẹ, ati jijẹ awọn awoṣe ikẹkọ ẹrọ; ṣugbọn bawo ni o ṣe rii daju pe awoṣe rẹ ṣe agbejade awọn abajade asọtẹlẹ ti o dara julọ fun data rẹ? Ninu module yii, iwọ yoo ṣawari bi o ṣe le lo atunṣe hyperparameter ati ẹkọ ẹrọ adaṣe lati mu advantage ti iṣiro iwọn-awọsanma ati rii awoṣe ti o dara julọ fun data rẹ.
Awọn ẹkọ
- Hyperparameter Tuning
- Aládàáṣiṣẹ Machine Learning
Laabu: Lo Ẹkọ Ẹrọ Aifọwọyi lati SDK
Laabu: Tune Hyperparameters Lẹhin ipari module yii, iwọ yoo ni anfani lati
- Je ki awọn hyperparameters fun ikẹkọ awoṣe
- Lo ẹkọ ẹrọ adaṣe lati wa awoṣe aipe fun data rẹ
Module 9: Lodidi Machine Learning
Awọn onimo ijinlẹ sayensi data ni ojuse lati rii daju pe wọn ṣe itupalẹ data ati ṣe ikẹkọ awọn awoṣe ikẹkọ ẹrọ ni ifojusọna; bíbọ̀wọ̀ fún ìpamọ́ ẹnì kọ̀ọ̀kan, dídín ojúsàájú kù, àti ìmúdájú ìṣípayá. Module yii ṣawari diẹ ninu awọn imọran ati awọn ilana fun lilo awọn ilana ikẹkọ ẹrọ lodidi. Awọn ẹkọ
- Iyatọ Asiri
- Awoṣe Itumọ
- Iwa ododo
Laabu: Ye Afihan Iyatọ
Laabu: Awọn awoṣe Itumọ
Laabu: Ṣewadii ati Mu aiṣododo Dide Lẹhin ipari module yii, iwọ yoo ni anfani lati
- Waye aṣoju iyatọ si itupalẹ data
- Lo awọn alaye alaye lati tumọ awọn awoṣe ẹkọ ẹrọ
- Ṣe ayẹwo awọn awoṣe fun didara
Module 10: Abojuto Models
Lẹhin ti a ti gbe awoṣe kan lọ, o ṣe pataki lati loye bii a ṣe nlo awoṣe ni iṣelọpọ, ati lati rii ibajẹ eyikeyi ni imunadoko rẹ nitori fifo data. Ẹya yii ṣe apejuwe awọn ilana fun awọn awoṣe ibojuwo ati data wọn. Awọn ẹkọ
- Awọn awoṣe Abojuto pẹlu Awọn Imọye Ohun elo
- Mimojuto Data fiseete
Laabu: Atẹle Data fiseete
Laabu: Bojuto Awoṣe pẹlu Awọn Imọye Ohun elo
Lẹhin ipari module yii, iwọ yoo ni anfani lati
- Lo Awọn Imọye Ohun elo lati ṣe atẹle awoṣe ti a tẹjade
- Atẹle data fiseete
Awọn iwe-ẹri ti o ni ibatan & idanwo
Ẹkọ yii yoo mura awọn aṣoju lati kọ Microsoft DP-100: Ṣiṣeto ati Ṣiṣe Solusan Imọ-jinlẹ Data kan lori idanwo Azure.
Awọn iwe aṣẹ / Awọn orisun
 |
MECER MS-DP100T01 Ṣiṣeto ati Ṣiṣe Solusan Imọ-jinlẹ Data Lori Azure [pdf] Itọsọna olumulo MS-DP100T01 Apẹrẹ ati Ṣiṣe Solusan Imọ-jinlẹ Data Lori Azure, MS-DP100T01, Ṣiṣe ati Ṣiṣe Solusan Imọ-jinlẹ Data Lori Azure |
