Plan Szkolenia
Wprowadzenie
Przegląd funkcji i architektury Azure Machine Learning (AML)
Przegląd przepływu pracy od początku do końca w AML (Azure Machine Learning Pipelines)
Konfigurowanie wirtualnych maszyn w chmurze
Rozszerzanie możliwości (CPUs, GPUs i FPGAs)
Nawigowanie po Azure Machine Learning Studio
Przygotowanie danych
Budowanie modelu
Trenowanie i testowanie modelu
Rejestrowanie wytrenowanego modelu
Budowanie obrazu modelu
Wdrażanie modelu
Monitorowanie modelu w produkcji
Rozpoznanie i rozwiązywanie problemów
Podsumowanie i wnioski
Wymagania
- Zrozumienie pojęć z zakresu uczenia maszynowego.
- Znajomość pojęć z zakresu chmury obliczeniowej.
- Ogólne zrozumienie kontenerów (Docker) i orchestracji (Kubernetes).
- Doświadczenie w programowaniu w języku Python lub R jest pomocne.
- Doświadczenie w pracy z wierszem polecenia.
Grupa docelowa
- Inżynierowie ds. nauki o danych
- Inżynierowie DevOps zainteresowani wdrażaniem modeli uczenia maszynowego
- Inżynierowie infrastruktury zainteresowani wdrażaniem modeli uczenia maszynowego
- Inżynierowie oprogramowania, którzy chcą zautomatyzować integrację i wdrażanie funkcji uczenia maszynowego w swoich aplikacjach
Opinie uczestników (2)
Szczegóły i styl prezentacji.
Cristian Mititean - Accenture Industrial SS
Szkolenie - Azure Machine Learning (AML)
Przetłumaczone przez sztuczną inteligencję
Zadania
Khaled Altawallbeh - Accenture Industrial SS
Szkolenie - Azure Machine Learning (AML)
Przetłumaczone przez sztuczną inteligencję