DP-100T01: Designing and implementing a data science solution on Azure

Durch das Training Azure Data Scientist eigenen Sie sich Kenntnisse in Datenwissenschaften und maschinellen Lernen an, um Workloads für maschinelles Lernen in Azure zu implementieren und ausführen zu können. Insbesondere mit Hilfe des Azure Machine Learning Services. Dies umfasst das Planen und Erstellen einer geeigneten Arbeitsumgebung für datenwissenschaftliche Workloads in Azure, das Ausführen von Datenexperimenten und das Trainieren von Vorhersagemodellen, das Verwalten und Optimieren von Modellen sowie das Bereitstellen von Modellen für maschinelles Lernen in der Produktion.

Physisch oder virtuell?

Nehmen Sie an einem unserer Standorte Frankfurt, München und Wien oder virtuell an unseren Klassenraumtrainings teil. Unter „Termin buchen“ werden Ihnen alle Optionen angezeigt, zuerst sortiert nach Standort, dann nach Datum.

Dauer

Trainingssprache

Deutsch

Trainingsart

brainyCLASS (offen)

Was werden Sie in diesem Training erlernen?

Einrichten eines Azure-Arbeitsbereichs für maschinelles Lernen, Experimente durchführen und Modelle trainieren, Modelle optimieren und verwalten, Modelle bereitstellen und verwenden.

Agenda

Design a machine learning solution

Design a data ingestion strategy for machine learning projects

Design a machine learning model training solution

Design a model deployment solution

Design a machine learning operations solution

Explore the Azure Machine Learning workspace

Explore Azure Machine Learning workspace resources and assets

Explore developer tools for workspace interaction

Work with data in Azure Machine Learning

Make data available in Azure Machine Learning

Understand URIs

Create a datastore

Create a data asset

Work with compute in Azure Machine Learning

Work with compute targets in Azure Machine Learning

Work with environments in Azure Machine Learning

Experiment with Azure Machine Learning

Find the best classification model with Automated Machine Learning

Track model training in Jupyter notebooks with MLflow

Use notebooks for experimentation in Azure Machine Learning

Track model training in Jpyter notebooks with MLflow

Train models with scripts in Azure Machine Learning

Run a training script as a command job in Azure Machine Learning

Track model training with MLflow in jobs

Perform hyperparameter tuning with Azure Machine Learning

Optimize model training with pipelines in Azure Machine Learning

Run pipelines in Azure Machine Learning

Manage and review models in Azure Machine Learning

Create and explore the Responsible AI dashboard for a model in Azure Machine Learning

Deploy and consume models with Azure Machine Learning

Deoploy a model to a managed online endpoint

Deploy a model to a batch endpoint

REVIEWING ARCHITECTING CONCEPTS

SINGLE TO MULTIPLE ACCOUNTS

Group Exercise: Review Architecting on AWS core best practices
AWS Organizations for multi-account access and permissions
AWS SSO to simplify access and authentication across AWS accounts and third-party services
AWS Control Tower
Permissions, access, and authentication

HYBRID CONNECTIVITY

SPECIALIZED INFRASTRUCTURE

Zielgruppe

Dieses Training richtet sich an Datenwissenschaftler mit bereits vorhandenen Kenntnissen über Python und Frameworks für maschinelles Lernen wie ScikitLearn, PyTorch und Tensorflow, die maschinelle Lernlösungen in der Cloud erstellen und betreiben wollen.

Voraussetzung für den Kurs

Erfolgreiche Azure Data Scientists haben zu Beginn ihrer Tätigkeit bereits fundierte Kenntnisse zu Cloud Computing-Konzepten und Erfahrung mit allgemeinen Tools und Techniken in den Bereichen Data Science und maschinelles Lernen. Dies gilt insbesondere in folgenden Fällen: Erstellen von Cloudressourcen in Microsoft Azure Verwenden von Python zum Untersuchen und Visualisieren von Daten Trainieren und Überprüfen von Machine Learning-Modellen mit gängigen Frameworks wie Scikit-Learn, PyTorch und TensorFlow

Partner

Microsoft Technik