MS/DP-100 : Designing and Implementing a Data Science Solution on Azure
3 gün (18 Saat) Orta Sınıf / Online Yapay Zeka ve Makine Öğrenimi
Azure Machine Learning Service üzerinde Makine Öğrenimi çalışmalarını yürütebilmek için çok çeşitli araçlar hizmetinize sunulmuş durumda. İster designer aracı ile hiç kod yazmadan, isterseniz Jupyter Notebook gibi bir araç ile Python kodlarını kullanarak makine öğrenimi deneyleri hazırlayabilir, kendi seçtiğiniz işlem gücü üzerinde modelleri eğitebilir, eğittiğini bu modelleri web service haline getirip yayınlayabilirsiniz. Azure ML SDK ile servisin tüm özelliklerinden faydalanabilirsiniz. Bununla birlikte aşina olduğunuz açık kaynak kütüphaneleri de kullanabilirsiniz. Azure Machine Learning hizmeti AutoML ve HyperDrive gibi özellikleri sayesinde makine öğrenimi çalışmalarındaki rutin tekrarları sizin için yapar ve en başarılı sonuçları getirir. "Designing and Implementing a Data Science Solution on Azure" eğiminde hizmetin kullanım detaylarına ve genel makine öğrenimi çalışma prensiplerine odaklanıyoruz. Dilerseniz bu eğitimin ardından Microsoft DP-100 sınavına giriş yapabilir, Veri Bilimcisi olma yolunda büyük bir adım atabilirsiniz.
Eğitim İçeriği
Module 1: Introduction to Azure Machine Learning
- Lesson
- Getting Started with Azure Machine Learning
- Azure Machine Learning Tools
- Lab : Creating an Azure Machine Learning Workspace
- Lab : Working with Azure Machine Learning Tools
Module 2: No-Code Machine Learning with Designer
- Lesson
- Training Models with Designer
- Publishing Models with Designer
- Lab : Creating a Training Pipeline with the Azure ML Designer
- Lab : Deploying a Service with the Azure ML Designer
Module 3: Running Experiments and Training Models
- Lesson
- Introduction to Experiments
- Training and Registering Models
- Lab : Running Experiments
- Lab : Training and Registering Models
Module 4: Working with Data
- Lesson
- Working with Datastores
- Working with Datasets
- Lab : Working with Datastores
- Lab : Working with Datasets
Module 5: Compute Contexts
- Lesson
- Working with Environments
- Working with Compute Targets
- Lab : Working with Environments
- Lab : Working with Compute Targets
Module 6: Orchestrating Operations with Pipelines
- Lesson
- Introduction to Pipelines
- Publishing and Running Pipelines
- Lab : Creating a Pipeline
- Lab : Publishing a Pipeline
Module 7: Deploying and Consuming Models
- Lesson
- Real-time Inferencing
- Batch Inferencing
- Lab : Creating a Real-time Inferencing Service
- Lab : Creating a Batch Inferencing Service
Module 8: Training Optimal Models
- Lesson
- Hyperparameter Tuning
- Automated Machine Learning
- Lab : Tuning Hyperparameters
- Lab : Using Automated Machine Learning
Module 9: Interpreting Models
- Lesson
- Introduction to Model Interpretation
- using Model Explainers
- Lab : Reviewing Automated Machine Learning Explanations
- Lab : Interpreting Models
Module 10: Monitoring Models
- Lesson
- Monitoring Models with Application Insights
- Monitoring Data Drift
- Lab : Monitoring a Model with Application Insights
- Lab : Monitoring Data Drift
Öncesinde Önerilenler
-
Data Scientist
Yapay Zeka, Makine Öğrenimi, Derin Öğrenme Teknikleri ile Büyük Veri Kümelerinden Desen ve Eğilim Keşfetme
- C/STATI : Betimleyici ve Çıkarımsal İstatistik Temelleri
- C/STATF : İstatistik Esasları
- C/STATF+ : İstatistik Esasları (Genişletilmiş)
- MS/20761C : Querying Data with Transact-SQL
- C/TVTS : T-SQL ile Veri Tabanı Sorgulama (Microsoft SQL Server)
- C/PBSSBI : Power BI ile Self Service BI
- C/IRFDS : R Dili ve R ile Veri Analizi
- C/PDE : Python Dili Esasları
- C/IPFDS : Python Dili ve Python ile Veri Analizi
- C/PVA : Python ile Veri Analizi
- C/DMDQ : Veri Yönetimi ve Veri Kalitesi
- C/ADMT : İleri Veri Modelleme Teknikleri
- MS/AI-900 : Microsoft Azure AI Fundamentals
- MS/AI-100 : Designing and Implementing an Azure AI Solution
Sonrasında Önerilenler
-
Data Scientist
Yapay Zeka, Makine Öğrenimi, Derin Öğrenme Teknikleri ile Büyük Veri Kümelerinden Desen ve Eğilim Keşfetme
- C/MOE : Makine Öğrenimi Esasları
- C/ADSB : Accelerated Data Science for Business
- C/AZSC-Synapse : Fundamentals of Azure Synapse Analytics
- MS/DP-500 : Designing and Implementing Enterprise-Scale Analytics Solutions Using Microsoft Azure and Microsoft Power BI
- CMS/DP-601T00A : Implementing a Lakehouse with Microsoft Fabric
- C/DAWS : Big Data Analysis with Spark
- C/PSS : PySpark ile Spark SQL
- C/VBL : Veri Bilimcileri için Linux