- Einführung in Azure Machine Learning
- Mit Azure Machine Learning arbeiten
Visual Tools für Machine Learning
- Automatisiertes Machine Learning
- Azure-Machine Learning-Designer
Durchführen von Experimenten und Models trainieren
- Einführung in Experimente
- Trainieren und Registrieren von Models
Arbeiten mit Daten
- Arbeiten mit Datenspeichern
- Arbeiten mit Datasets
Arbeiten mit Compute
- Arbeiten mit Umgebungen
- Arbeiten mit Compute Targets
Orchestrierung von Vorgängen mit Pipelines
- Einführung in Pipelines
- Veröffentlichen und Ausführen von Pipelines
Bereitstellen und Nutzung von Models
- Inferencing in Echtzeit
- Batch-Inferencing
- Continuous Integration und Delivery
Training optimaler Modelle
- Abstimmung von Hyperparametern
- Automatisiertes Machine Learning
Verantwortungsvolles Machine Learning
- Differenzieller Datenschutz
- Model-Interpretierbarkeit
- Fairness
Monitoring Models
- Models mit Application Insights überwachen
- Überwachen von Datendrift
MethodeVortrag, Übungen, Praktikum