Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung
Überblick über Azure Machine Learning (AML) Funktionen und Architektur
Überblick über einen End-to-End-Workflow in AML (Azure Machine Learning Pipelines)
Bereitstellung von virtuellen Maschinen in der Cloud
Überlegungen zur Skalierung (CPUs, GPUs und FPGAs)
Navigieren in Azure Machine Learning Studio
Vorbereiten von Daten
Erstellen eines Modells
Trainieren und Testen eines Modells
Registrieren eines trainierten Modells
Erstellen eines Modellabbilds
Einsetzen eines Modells
Überwachung eines Modells in der Produktion
Fehlersuche
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Verständnis von Konzepten des maschinellen Lernens.
- Kenntnisse von Cloud-Computing-Konzepten.
- Ein allgemeines Verständnis von Containern (Docker) und Orchestrierung (Kubernetes).
- Python oder R-Programmiererfahrung ist hilfreich.
- Erfahrung im Umgang mit der Kommandozeile.
Zielgruppe
- Data-Science-Ingenieure
- Ingenieure, die an der Bereitstellung von Modellen für maschinelles Lernen interessiert sind DevOps
- Infrastrukturingenieure, die an der Bereitstellung von Modellen für maschinelles Lernen interessiert sind
- Software-Ingenieure, die die Integration und Bereitstellung von Funktionen des maschinellen Lernens in ihrer Anwendung automatisieren möchten
21 Stunden
Erfahrungsberichte (2)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Kurs - Azure Machine Learning (AML)
The Exercises