Plan Szkolenia

Wprowadzenie

Przegląd funkcji i architektury Azure Machine Learning (AML)

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

Udostępnianie maszyn wirtualnych w chmurze

Rozważania dotyczące skalowania (procesory, GPU i układy FPGA)

Poruszanie się po Azure Machine Learning Studio

Przygotowywanie danych

Tworzenie modelu

Trenowanie i testowanie modelu

Rejestrowanie wytrenowanego modelu

Tworzenie obrazu modelu

Wdrażanie modelu

Monitorowanie modelu w środowisku produkcyjnym

Rozwiązywanie problemów

Podsumowanie i wnioski

Wymagania

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

Odbiorcy

  • Inżynierowie zajmujący się nauką o danych
  • Inżynierowie DevOps zainteresowani wdrażaniem modeli uczenia maszynowego
  • Inżynierowie infrastruktury zainteresowani wdrażaniem modeli uczenia maszynowego
  • Inżynierowie oprogramowania pragnący zautomatyzować integrację i wdrażanie funkcji uczenia maszynowego w swojej aplikacji
 21 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (2)

Propozycje terminów

Powiązane Kategorie