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

Teilnehmerzahl


Price per participant (excl. VAT)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien