Course Outline

Εισαγωγή

Συνολική Περίληψη των Χαρακτηριστικών και της Αρχιτεκτονικής του Azure Machine Learning (AML)

Συνολική Περίληψη ενός Τελικού Εργασιακού Κύκλου στο AML (Azure Machine Learning Pipelines)

Παροχή Ιδιωτικών Συστημάτων στο Σύννεφο

Σκέλεση (CPUs, GPUs και FPGAs)

Πλοήγηση στο Azure Machine Learning Studio

Προετοιμασία Δεδομένων

Κατασκευή Μοντέλου

Εκπαίδευση και Εξέταση ενός Μοντέλου

Καταχώρηση ενός Εκπαιδευμένου Μοντέλου

Κατασκευή Εικόνας Μοντέλου

Εγκατάσταση ενός Μοντέλου

Παρακολούθηση ενός Μοντέλου σε Παραγωγή

Διατυπώσεις τεχνικών προβλημάτων

Επίσημη και Συμπέρασμα

Requirements

  • Κατανόηση των εννοιών του μηχανικού μάθηματος.
  • Γνώση των εννοιών της υπολογιστικής σε χλωρίδα.
  • Γενική κατανόηση των περιέργων (Docker) και της διορθώσεως (Kubernetes).
  • Η εμπειρία προγραμματισμού σε Python ή R είναι χρήσιμη.
  • Εμπειρία εργασίας με γραμμή εντολών.

Δημοσίο

  • Μηχανικοί δεδομένων πληροφορικής.
  • Μηχανικοί DevOps ενδιαφέροντες για την αποστολή μοντέλων μηχανικού μάθηματος.
  • Μηχανικοί υποδομής ενδιαφέροντες για την αποστολή μοντέλων μηχανικού μάθηματος.
  • Μηχανικοί λογισμικού που επιθυμούν να αυτοματοποιήσουν την ολοκλήρωση και την αποστολή μοντέλων μηχανικού μάθηματος σε εφαρμογές τους.
 21 Hours

Number of participants


Price per participant

Testimonials (2)

Upcoming Courses

Related Categories