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
 21 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (2)

Propozycje terminów

Powiązane Kategorie