Plan Szkolenia

Wprowadzenie

Przegląd funkcji i architektury Azure Machine Learning (AML)

Przegląd kompleksowego przepływu pracy w AML (Azure Machine Learning Pipelines)

Udostępnianie maszyn wirtualnych w chmurze

Zagadnienia związane ze skalowaniem (procesory CPU, GPU i FPGA)

Nawigowanie w Azure Machine Learning Studio

Przygotowywanie danych

Tworzenie modelu

Uczenie i testowanie modelu

Rejestrowanie wytrenowanego modelu

Tworzenie obrazu modelu

Wdrażanie modelu

Monitorowanie modelu w produkcji

Rozwiązywanie problemów

Podsumowanie i zakończenie

Wymagania

  • Zrozumienie koncepcji uczenia maszynowego.
  • Znajomość koncepcji przetwarzania w chmurze.
  • Ogólne zrozumienie kontenerów (Docker) i orkiestracji (Kubernetes).
  • Doświadczenie w programowaniu w Pythonie lub R jest pomocne.
  • Doświadczenie w pracy z wierszem poleceń.

Grupa docelowa

  • Inżynierowie danych
  • Inżynierowie DevOps zainteresowani wdrażaniem modeli uczenia maszynowego
  • Inżynierowie infrastruktury zainteresowani wdrażaniem modeli uczenia maszynowego
  • Inżynierowie oprogramowania chcący zautomatyzować integrację i wdrażanie funkcji uczenia maszynowego w swoich aplikacjach
 21 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (2)

Propozycje terminów

Powiązane Kategorie