DP-3014: Build machine learning solutions using Azure Databricks

Azure Databricks ist eine Plattform im Cloudmaßstab für Datenanalyse und Machine Learning. Data Scientists und Machine Learning-Engineers können Azure Databricks verwenden, um Machine-Learning-Lösungen im großen Stil zu implementieren.
Jetzt beraten lassen

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.

Data Engineers Data Analysts
In diesem Training wird davon ausgegangen, dass Sie über Erfahrung im Umgang mit Python für die Untersuchung von Daten verfügen und damit vertraut sind, Machine Learning-Modelle mit gängigen Open-Source-Frameworks wie Scikit-Learn, PyTorch und TensorFlow zu trainieren. Ziehen Sie in Erwägung, den Lernpfad Erstellen von Machine Learning-Modellen zu absolvieren, bevor Sie den vorliegenden Training bearbeiten.

Was werden Sie in diesem Training erlernen?

In diesem Training lernen Sie, praxisrelevante Fähigkeiten für die Umsetzung von Machine Learning-Lösungen mit Azure Databricks zu entwickeln. Der Kurs vermittelt grundlegende Konzepte und praxisnahe Anwendungen, um die Teilnehmer mit den spezifischen Arbeitslasten, Funktionen und Werkzeugen von Azure Databricks vertraut zu machen. Im Fokus stehen die Anwendung von Machine Learning-Prinzipien in der Azure Databricks-Umgebung, die Vorbereitung von Daten für maschinelles Lernen, das Training von Models sowie die Auswertung und Optimierung der Models. Der Schulungsinhalt deckt auch die Nutzung von MLflow für das Experimentieren, Registrieren und Bereitstellen von Modellen ab.

Agenda

Erkunden Sie Azure Databricks
Data Governance mithilfe von Unity Catalog und Microsoft Purview
Verständnis der grundlegenden Konzepte
Erkennen von Azure Databricks-Workloads
Erste Schritte mit Azure Databricks
Übung - Azure Databricks erkunden
Verwenden von Apache Spark in Azure Databricks
Verwenden von Spark in Notebooks
Einführung in Spark
Erstellen eines Spark-Clusters
Verwenden von Spark zur Arbeit mit Datenfiles
Datenvisualisierung
Übung : Verwenden von Spark in Azure Databricks
Trainieren eines Machine Learning Models in Azure Databricks
Trainieren eines Machine Learning Models
Vorbereitung von Daten für Machine Learning
Maschinelles Lernen in Azure Databricks
Grundlagen des maschinellen Lernens
Übung: Trainieren eines Machine Learning-Modells in Azure Databricks
Auswerten eines Machine Learning Models
Verwenden von MLflow in Azure Databricks
Fähigkeiten von MLflow
Ausführen von Experimenten mit MLflow
Registrieren und Bereitstellen von Modellen mit MLflow
Übung: Verwenden von MLflow in Azure Databricks
Optimieren von Hyperparametern in Azure Databricks
Überprüfen von Hyperopt Trials
Skalierung von Hyperopt Trials
Übung: Optimieren von Hyperparametern für maschinelles Lernen in Azure Databricks
Hyperparameteroptimierung mit Hyperopt
Verwenden von AutoML in Azure Databricks
Übung: Verwenden von AutoML in Azure Databricks
Verwenden von Code zum Ausführen eines AutoML-Experiments
Verwenden von AutoML in der Azure Databricks-Benutzeroberfläche
Was ist AutoML?
Trainieren von Deep Learning-Models in Azure Databricks
Grundlegendes zu Deep Learning-Konzepten
Trainieren von Models mit PyTorch
Verteilen von PyTorch-Trainingsaufgaben mit TorchDistributor
Übung: Trainieren von Deep Learning-Modellen in Azure Databricks
Verwalten von Machine Learning-Modellen in der Produktion mit Azure Databricks
Übung: Verwalten eines Machine Learning-Modells
Erkunden der Versionsverwaltung und Lebenszyklusverwaltung für Modelle
Erkunden von Strategien für die Modellimplementierung
Erkunden der Modellentwicklung
Automatisieren der Datentransformationen
  • Group Exercise: Review Architecting on AWS core best practices
  • Lab 1: Securing Amazon S3 VPC Endpoint Communications
  • 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
  • Group Exercise: Review Architecting on AWS core best practices
  • Lab 1: Securing Amazon S3 VPC Endpoint Communications
  • Group Exercise: Review Architecting on AWS core best practices
  • Lab 1: Securing Amazon S3 VPC Endpoint Communications

Dein Training im Überblick

Dauer 1
Trainingssprache Deutsch
Trainingsart brainyCLASS (offen)

690,00 €

Startdatum und Ort wählen

Aktuell sind keine Termine vorhanden

Termin anfragen

Terminübersicht