Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Εισαγωγή
Επισκόπηση του Azure Machine Learning (AML) Χαρακτηριστικά και Αρχιτεκτονική
Επισκόπηση μιας ροής εργασίας από άκρο σε άκρο σε AML (Azure Machine Learning Pipelines)
Παροχή εικονικών μηχανών στο Cloud
Θέματα κλιμάκωσης (CPU, GPUs και FPGA)
Πλοήγηση Azure Machine Learning Studio
Προετοιμασία Δεδομένων
Κατασκευή μοντέλου
Εκπαίδευση και δοκιμή ενός μοντέλου
Εγγραφή εκπαιδευμένου μοντέλου
Δημιουργία εικόνας μοντέλου
Ανάπτυξη μοντέλου
Παρακολούθηση Μοντέλου στην Παραγωγή
Αντιμετώπιση προβλημάτων
Περίληψη και Συμπέρασμα
Requirements
- Κατανόηση των εννοιών της μηχανικής μάθησης.
- Γνώση των εννοιών του cloud computing.
- Μια γενική κατανόηση των κοντέινερ (Docker) και της ενορχήστρωσης (Kubernetes).
- Η εμπειρία προγραμματισμού Python ή R είναι χρήσιμη.
- Εμπειρία εργασίας με γραμμή εντολών.
Ακροατήριο
- Μηχανικοί επιστήμης δεδομένων
- DevOps μηχανικοί που ενδιαφέρονται για την ανάπτυξη μοντέλων μηχανικής μάθησης
- Οι μηχανικοί υποδομής ενδιαφέρονται για την ανάπτυξη μοντέλων μηχανικής μάθησης
- Μηχανικοί λογισμικού που επιθυμούν να αυτοματοποιήσουν την ενσωμάτωση και την ανάπτυξη λειτουργιών μηχανικής εκμάθησης με την εφαρμογή τους
21 Hours
Testimonials (2)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Course - Azure Machine Learning (AML)
The Exercises