DP-100

Designing and Implementing a Data Science Solution on Azure (DP-100)

4 dagen
Intermediate
Available in English

Volg de DP-100 training Designing and Implementing a Data Science Solution on Azure. Leer hoe je machine learning-oplossingen op cloudschaal kunt gebruiken met Azure Machine Learning. In deze training leer je jouw bestaande kennis van Python en machine learning te gebruiken om gegevensopname en voorbereiding, modeltraining en -implementatie en monitoring van machine learning-oplossingen in Microsoft Azure te beheren.

Na afronding van deze training kun je onder andere:

Machine learning-oplossingen gebruiken met behulp van Azure Machine Learning
Jouw bestaande kennis van Python en machine learning gebruiken om data-opname en voorbereiding te beheren
Machine learning-oplossingen in Microsoft Azure beheren en beveiligen
€ 2.195,-
Bekijk beschikbaarheid
Wat je van ons kunt verwachten
Beste lesmethode
Flexibel inplannen
Kleine klassen
100% Slagingsgarantie
Wat onze klanten vinden
Hulp of advies nodig?
Mail Sofie of laat haar je terugbellen.
info@master-it.nl 040-2323390

Training: Designing and Implementing a Data Science Solution on Azure (DP-100)

Leer hoe je machine learning-oplossingen op cloudschaal kunt gebruiken met Azure Machine Learning. Deze DP-100 training leert je gebruik te maken van je bestaande kennis van Python en machine learning om voorbereiding, modeltraining en implementatie, en machine learning oplossing monitoring in Microsoft Azure te beheren.

Voor de rol van een succesvolle Azure Data Scientist heb je de volgende voorkennis nodig:

  • Basiskennis van cloud computing concepten.
  • Ervaring met algemene data science tools en technieken.
  • Ervaring met machine learning tools en technieken.

Specifiek:

  • Vaardigheid in het creëren van cloud resources in Microsoft Azure.
  • Kennis van Python voor data-analyse en visualisatie.
  • Ervaring met het trainen en valideren van machine learning-modellen met veelgebruikte frameworks zoals Scikit-Learn, PyTorch en TensorFlow.
  • Kennis van het werken met containers.

Deze training is bedoeld voor datawetenschappers met bestaande kennis van Python en machine learning frameworks zoals Scikit-Learn, PyTorch en Tensorflow, die machine learning-oplossingen in de cloud willen bouwen en gebruiken.

Module 1: Aan de slag met Azure Machine Learning

In deze module leer je hoe je een Azure Machine Learning workspace kunt instellen en gebruiken om machine learning assets zoals data, compute, model training code, gelogde metrics en getrainde modellen te beheren. Je leert hoe je de webgebaseerde Azure Machine Learning studio interface gebruikt, evenals de Azure Machine Learning SDK en ontwikkelaarstools zoals Visual Studio Code en Jupyter Notebooks om te werken met de assets in je workspace.

  • Inleiding tot Azure Machine Learning
  • Werken met Azure Machine Learning

Lab : Een Azure Machine Learning-werkruimte makenNa het voltooien van deze module bent u in staat om

  • Een Azure Machine Learning werkruimte in te richten
  • Tools en codes te gebruiken om te werken met Azure Machine Learning

Module 2: No-Code Machine Learning

Deze module introduceert de visuele tools, Automated Machine Learning en Designer, die je kunt gebruiken om machine learning modellen te trainen, evalueren en implementeren zonder code te schrijven.

  • Automated Machine Learning
  • Azure Machine Learning Designer

Lab : Geautomatiseerd machinaal lerenLab : Azure Machine Learning Ontwerper

Na het afronden van deze module ben je in staat om:

  • Automatisch machinaal te leren gebruiken om een machine learning model te trainen
  • Azure Machine Learning Designer te gebruiken om een model te trainen

Module 3: Experimenten uitvoeren en modellen trainen

In deze module ga je aan de slag met experimenten die gegevensverwerking en modeltrainingscode inkapselen. Uiteindelijk ga je ze gebruiken om machine-learningmodellen te trainen.

  • Inleiding tot experimenten
  • Modellen trainen en registreren

Lab : Experimenten uitvoerenLab : Modellen trainen 

Na deze module ben je in staat om:

  • Op code gebaseerde experimenten uit te voeren in een Azure Machine Learning workspace
  • Machine Learning modellen te trainen en registreren

Module 4: Werken met data

Data is een fundamenteel element in elke machine learning workload, dus in deze module leer je hoe je datastores en datasets aanmaakt en beheert in een Azure Machine Learning workspace. Daarnaast leer je ook hoe je ze gebruikt in modeltrainingsexperimenten.

  • Werken met datastores
  • Werken met datasets

Lab : Werken met data 

Na het afronden van deze module ben je in staat om:

  • Datastores aan te maken en te gebruiken
  • Datasets te maken en gebruiken

Module 5: Werken met compute

Een van de belangrijkste voordelen van de cloud is de mogelijkheid om op aanvraag computermiddelen te gebruiken en deze te gebruiken om machine-learningprocessen te schalen tot een mate die niet haalbaar zou zijn op uw eigen hardware. In deze module leer je hoe je experimentomgevingen beheert die consistente runtime voor experimenten garanderen en hoe je computerdoelen aanmaakt en gebruikt voor experimentruns.

  • Werken met omgevingen
  • Werken met Compute Targets

Lab : Werken met Compute 

Na deze module ben je in staat om:

  • Omgevingen maken en gebruiken
  • Compute targets aanmaken en gebruiken

Module 6: Operaties orkestreren met pijplijnen 

Nu je de basisprincipes begrijpt van het uitvoeren van workloads als experimenten die gebruikmaken van data-assets en computermiddelen, is het tijd om te leren hoe je deze workloads kunt orkestreren als pijplijnen van verbonden stappen. Pijplijnen zijn de sleutel tot het implementeren van een effectieve Machine Learning Operationalization (ML Ops) oplossing in Azure, dus je zult onderzoeken hoe je ze kunt definiëren en uitvoeren in deze module.

Lessons

  • Inleidingen tot pijplijnen 
  • Pijplijnen publiceren en uitvoeren 

Lab : Creëer een pijplijn

Na deze module ben je in staat om:

  • Pijplijnen creëren om machine learning workflows te automatiseren
  • Pijplijn services publiceren en uitvoeren

Module 7: Modellen implementeren en gebruiken

Modellen zijn ontworpen om te helpen bij het nemen van beslissingen door voorspellingen, dus ze zijn alleen nuttig als ze worden ingezet en beschikbaar zijn voor een applicatie om te consumeren. In deze module leer je hoe je modellen kunt implementeren voor real-time inferentie en voor batch inferentie.

  • Real-time inferentie
  • Batch inferentie
  • Continue integratie en levering

Lab : Creëer een realtime inferentieserviceLab : Creëer een batch inferentieservice

Na het afronden van deze module ben je in staat om:

  • Een model publiceren als een real-time inferentieservice
  • Een model publiceren als een batch inferentieservice
  • Technieken beschrijven om continue integratie en oplevering te implementeren

Module 8: Optimale modellen trainen

In dit stadium van de cursus hebt u het volledige proces geleerd voor het trainen, implementeren en gebruiken van machine-learningmodellen. Maar hoe zorgt u ervoor dat uw model de beste voorspellende resultaten voor uw gegevens oplevert? In deze module onderzoekt u hoe u hyperparameter tuning en geautomatiseerd machine learning kunt gebruiken om te profiteren van cloud-scale compute en het beste model voor uw gegevens te vinden.

  • Hyperparameter afstemmenGeautomatiseerd machinaal leren

Lab : Hyperparameters afstemmenLab : Geautomatiseerd machinaal leren van de SDK gebruiken

Na het voltooien van deze module ben je in staat om:

  • Hyperparameters optimaliseren voor modeltraining
  • Automatisch machinaal leren gebruiken om het optimale model voor uw gegevens te vinden

Module 9: Verantwoord machinaal leren

Datawetenschappers hebben de plicht om ervoor te zorgen dat ze op verantwoorde wijze gegevens analyseren en modellen voor machinaal leren trainen; ze moeten de privacy van individuen respecteren, vooroordelen beperken en transparantie garanderen. Deze module onderzoekt enkele overwegingen en technieken voor het toepassen van verantwoorde principes voor machinaal leren.

  • Differentiële privacy
  • Interpretatie van modellen

Lab : Differentiële privacy verkennenLab : Modellen interpreterenLab : Oneerlijkheid detecteren en beperken

Na het afronden van deze module ben je in staat om:

  • Differentiële privacy toepassen op gegevensanalyse
  • Uitleggers gebruiken om modellen voor machinaal leren te interpreteren
  • Modellen evalueren op eerlijkheid

Module 10: Model bewaken 

Nadat een model is geïmplementeerd, is het belangrijk om te begrijpen hoe het model in de productie wordt gebruikt en om eventuele degradatie in de effectiviteit door datadrift te detecteren. Deze module beschrijft technieken voor het bewaken van modellen en hun gegevens.

  • Monitoring Models with Application Insights
  • Monitoring Data Drift

Lab : Modellen bewaken met Application InsightsLab : Datadrift bewaken 

Na afloop van deze module ben je in staat om:

  • Application Insights gebruiken om een gepubliceerd model te monitoren
  • Data drift te monitoren
10
Jennifer Pereira
Ik heb hier de 2-daagse training Microsoft Dynamics 365 fundamentals gevolgd. Medewerkers zijn zeer hulpvaardig en denken ver mee, dit vond ik TOP! De Active Learning training met vakkundige trainster is me heel goed bevallen. De lunch was royaal en erg lekker! Kortom, wellicht tot ziens!
9,0
Willem de Lang
In Februari een 5-daagse training WS-11 (Server 2019) gevolgd in twee weken. Deze training was op basis van het Active Learning programma en dit is me zeer goed bevallen. De instructeur had voldoende tijd/kennis om vragen te beantwoorden en me verder te helpen wanneer ik vast liep.
9,5
Edwin Kruize
Bij Master IT train ik al jaren on-site in Eindhoven wat mij ontzettend goed bevalt. De Active Learning lesmethode is perfect voor mij en kan ik op mijn eigen tempo en onder goede begeleiding mijn studies volgen. De trainers hebben veel brede kennis en nemen de tijd voor je. 

In de klas, online of beiden.

Lesmethode Master IT

Active Learning

Je maakt samen met je trainer een plan en gaat actief aan de slag. In een kleine klas verdiepen in wat je echt nodig hebt, inzoomen op zaken die je echt interesseren en overslaan wat je al weet of niet nodig hebt. Plan je lesdagen flexibel, neem real-life casussen mee en werk ze uit met je trainer. Verrijk je kennis en verbind het met alles wat je al wist.

Lesmateriaal
Slagingsgarantie
Labomgeving
4 dagen voor € 2.195,-

Incompany

Wist jij dat alle IT trainingen die we aanbieden op de website ook bij jouw bedrijf uitgevoerd kunnen worden? Zo volg je een maatwerk IT training (Incompany training) met al je collega’s. Jij kunt de training nog specifieker voor jouw bedrijf laten inrichten en het is zelfs mogelijk om een geheel maatwerk traject door ons te laten ontwerpen.

Je bespaart reiskosten en reistijd voor de deelnemers, doordat onze trainer bij jou op locatie komt. Op deze manier kun je meerdere deelnemers van jouw organisatie dezelfde training laten volgen. Dat is efficiënt en effectief! Samen heb je een gemeenschappelijke opleidingsbehoefte en daar gaan we je bij helpen.

We hebben jarenlang ervaring in het geven van maatwerk it trainingen. We kijken zorgvuldig naar de opleidingsbehoefte om volledig aan te sluiten bij je wensen. Zo formuleren we haalbare en concrete doelstellingen en deelnemers kunnen het geleerde in de praktijk toepassen. Op deze manier groeien deelnemers persoonlijk en professioneel op meerdere niveaus.

Maatwerktraining
Van A-Z geregeld voor jouw team
Trainer komt op locatie
DP-100
Designing and Implementing a Data Science Solution on Azure (DP-100)
€ 2.195,-
Bekijk beschikbaarheid