DP-100T01 - Entwerfen und Implementieren einer Data Scientist Lösung unter Azure - Classroom Training - Seminar / Kurs von Fast Lane Institute for Knowledge Transfer

• Entwurf einer Strategie zur Datenaufnahme für Projekte des maschinellen Lernens".
• Entwurf einer Lösung für das Training von Modellen für maschinelles Lernen
• Entwerfen einer Lösung für die Bereitstellung von Modellen
• Erkunden Sie die Ressourcen und Assets des Azure Machine Learning-Arbeitsbereichs
• Entwicklertools für die Interaktion im Arbeitsbereich erkunden
• Daten in Azure Machine Learning verfügbar machen
• Arbeit mit Berechnungszielen in Azure Machine Learning
• Arbeit mit Umgebungen in Azure Machine Learning
• Finden Sie das beste Klassifizierungsmodell mit automatisiertem maschinellem Lernen
• Modelltraining in Jupyter-Notebooks mit MLflow verfolgen
• Ausführen eines Trainingsskripts als Befehlsauftrag in Azure Machine Learning
• Modelltraining mit MLflow in Aufträgen verfolgen
• Ausführen von Pipelines in Azure Machine Learning
• Hyperparameter-Abstimmung mit Azure Machine Learning durchführen
• Bereitstellen eines Modells auf einem verwalteten Online-Endpunkt
• Bereitstellen eines Modells für einen Batch-Endpunkt

Lernen Sie, wie Sie Lösungen für maschinelles Lernen in der Cloud mit Azure Machine Learning betreiben können. In diesem Kurs lernen Sie, Ihre vorhandenen Kenntnisse in Python und maschinellem Lernen zu nutzen, um Dateneingabe und -vorbereitung, Modelltraining und -bereitstellung sowie die Überwachung von maschinellen Lernlösungen mit Azure Machine Learning und MLflow zu verwalten.

Sind Sie sich noch unsicher, ob der Kurs für Sie geeignet ist? Wir bieten Ihnen ein kostengünstiges Self-Assessment an, um Ihre Kenntnisse zu testen. Sie können den Test innerhalb der 90-tägigen Nutzungsdauer beliebig oft wiederholen. Wenn Sie den DP-100 Kurs im Anschluss buchen, wird der von Ihnen bezahlte Betrag beim Kurspreis angerechnet.

Jetzt informieren und buchen

Dieser Kurs richtet sich an Datenwissenschaftler mit vorhandenen Kenntnissen in Python und Machine-Learning-Frameworks wie Scikit-Learn, PyTorch und Tensorflow, die Machine-Learning-Lösungen in der Cloud aufbauen und betreiben wollen.