Мы в Твиттере
Мы в Контакте
Поиск

Курс Microsoft DP-100

 

Проектирование и реализация решений Data Science в Azure

Designing and Implementing a Data Science Solution on Azure
Продолжительность обучения: 3 дня - 24 часа
Группа формируется по мере поступления заявок.
Стоимость курса DP-100:
- Очно: 30000 ₽
- Дистанционно: уточняйте у менеджеров
Цель курса - предоставить слушателям знания и навыки использования служб Azure для разработки, обучения и развертывания решений машинного обучения. Курс включает в себя обзор служб Azure, поддерживающих науку о данных.
Аудитория
Курс предназначен для специалистов по данным (data scientists), обладающих знаниями языка Python и систем машинного обучения, таких как Scikit-Learn, PyTorch и Tensorflow, для создания и использования решений машинного обучения в облаке.
По окончании курса слушатели смогут:
  • Создавать и использовать рабочую область Azure Machine Learning Workspace
  • Использовать инструменты и писать код с Azure Machine Learning
  • Использовать конструктор для обучения модели машинного обучения
  • Развертывать конвейер Azure ML Designer как службу
  • Выполнять эксперименты на основе кода в рабочей области Azure Machine Learning
  • Обучать модели машинного обучения
  • Создавать и использовать хранилища данных
  • Создавать и использовать наборы данных
  • Создавать и использовать вычисляемые среды
  • Создавать и использовать целевые показатели вычислений
  • Создавать конвейеры для автоматизации рабочих процессов машинного обучения.
  • Публиковать и запускать службы конвейера
  • Публиковать модель как сервис логического вывода в реальном времени
  • Публиковать модель в качестве службы пакетного вывода
  • Оптимизировать гиперпараметры обучения модели
  • Использовать автоматическое машинное обучение, для поиска оптимальной модели для данных
  • Создавать объяснений модели с автоматическим машинным обучением
  • Использовать объяснения для интерпретации моделей машинного обучения
  • Использовать Application Insights для мониторинга опубликованной модели
  • Отслеживать дрейф данных (Data Drift)
Сертификационные экзамены:
Курс помогает подготовиться к следующим сертификационным экзаменам:
  • DP-100: Designing and Implementing a Data Science Solution on Azure
Необходимая подготовка
Для эффективного обучения слушатели должны обладать следующими знаниями и навыками:
  • Знание основ Azure;
  • Знание языка Python, а также опыт использования библиотек Numpy, Pandas, и Matplotlib
  • Понимание науки о данных (data science), в том числе технологий подготовки данных, обучение моделей и оценки конкурирующих моделей при выборе оптимальной с использованием библиотек Scikit-Learn, PyTorch, или Tensorflow.
Материалы слушателя
Слушателям предоставляется фирменное учебное пособие и прочие материалы, необходимые для обучения.
Содержание курса
Модуль 1: Введение в машинное обучение с Azure Machine Learning
Этот модуль посвящен процессу науки о данных и роли специалиста по данным (data scientist), а также использованию служб Azure в поддержке и расширении процесса обработки данных. В модуле описывается использование веб-интерфейса Azure Machine Learning studio, а также Azure Machine Learning SDK и инструментов разработчика, таких как Visual Studio Code и Jupyter Notebooks.
Темы
  • Обзор науки о данных в Azure
  • Инструменты Azure Machine Learning Tools
Лабораторные работы:
  • Создание рабочей области Azure Machine Learning Workspace
  • Работа с инструментами Azure Machine Learning Tools
Модуль 2: Машинное обучение «без кода» в Azure ML Designer
Этот модуль описывает конструктор и drag-and-drop интерфейс для создания моделей машинного обучения без написания кода. Слушатели узнают, как создать конвейер обучения (pipeline), который включает в себя подготовку данных и обучение модели, а затем преобразовать этот конвейер в конвейер вывода, который можно использовать для прогнозирования значений для новых данных, прежде чем окончательно запустить развертывание конвейера как клиентскую службу.
Темы
  • Тренировка моделей в Azure ML Designer
  • Публикация моделей с Azure ML Designer
Лабораторные работы:
  • Создание обучающего конвейера с помощью Azure ML Designer
  • Развертывание службы с помощью Azure ML Designer
Модуль 3: Запуск экспериментов и тренировка моделей
Этот модуль включает в себя описание экспериментов, которые включают обработку данных и тренировку моделей для последующего обучения моделей машинного обучения.
Темы
  • Введение в эксперименты
  • Обучение и регистрация моделей
Лабораторные работы:
  • Запуск экспериментов
  • Обучение и регистрация моделей
Модуль 4: Работа с данными
Этот модуль посвящен созданию хранилищ данных и наборов данных, управлению ими в рабочей области Azure Machine Learning, а также их использованию в экспериментах по обучению модели.
Темы
  • Работа с хранилищами данных
  • Работа с наборами данных
Лабораторные работы:
  • Работа с хранилищами данных
  • Работа с наборами данных
Модуль 5: Вычисляемые контексты
Этот модуль посвящен управлению средами эксперимента, которые обеспечивают согласованность во время выполнения экспериментов, а также созданию и использованию целевых показателей вычислений.
Темы
  • Работа с вычислительной средой
  • Работа с целевыми показателями вычислений
Лабораторные работы:
  • Работа с вычислительной средой
  • Работа с целевыми показателями вычислений
Модуль 6: Оркестровка операций с помощью конвейеров
Этот модуль посвящен созданию и запуску конвейеров для реализации эффективного решения Machine Learning Operationalization (ML Ops) в Azure.
Темы
  • Введение в конвейеры
  • Публикация и использование конвейеров
Лабораторные работы:
  • Создание конвейера
  • Публикация конвейера
Модуль 7: Развертывание и использование моделей
Этот модуль включает в себя развертывание модели в режиме вывода в реальном времени и в режиме пакетного вывода.
Темы
  • Развертывании в реальном времени
  • Развертывание в режиме пакетного вывода
Лабораторные работы:
  • Создание службы режима реального времени
  • Создание службы режима пакетного вывода
Модуль 8: Создание оптимальных моделей
Этот модуль посвящен настройке гиперпараметров и автоматизированному машинному обучению с использованием преимуществ облачных вычислений, а также поиску лучшей модели для данных.
Темы
  • Настройка гиперпараметров
  • Автоматизированное машинное обучение
Лабораторные работы:
  • Настройка гиперпараметров
  • Использование автоматизированного машинного обучения
Модуль 9: Интерпретация моделей
Этот модуль описывает, как интерпретировать модели машинного обучения для составления прогнозов.
Темы
  • Введение в интерпретацию модели
  • Использование интерпретаторов моделей (Model Explainers)
Лабораторные работы:
  • просмотр разъяснений по автоматизированному машинному обучению
  • интерпретация моделей
Модуль 10: Мониторинг моделей
Этот модуль описывает методы мониторинга моделей и их данных.
Темы
  • Модели мониторинга с помощью Application Insights
  • Мониторинг дрейфа данных (Data Drift)
Лабораторные работы:
  • Модели мониторинга с помощью Application Insights
  • Мониторинг Data Drift

Курс DP-100 необходим для программ сертификации
› MC
Azure Data Scientist Associate
Сертификационные экзамены
№ DP-100
Designing and Implementing a Data Science Solution on Azure

Документ об окончании:
Международный сертификат Microsoft
Международный сертификат Microsoft

# По всем вопросам подготовки специалистов обращайтесь к менеджерам учебного центра
Калининой Лиле, Карповой Елене, Смирновой Светлане, Богдановой Ирине, Литвиновой Елене тел.  8 (812) 718-6184 (многоканальный).

# По вопросам заказа тестов в центре тестирования Pearson VUE просьба обращаться к администратору центра тестирования
Ольге Золиной тел. 8 (812) 326-78-30.