Kurzusleírás

Bevezetés

Azure Machine Learning (AML) funkciók és architektúra áttekintése

Egy teljes folyamat Azure Machine Learning (Azure Machine Learning Pipelines) áttekintése

Virtuális gépek felhőben történő kiépítése

Skálázási szempontok (CPU-k, GPU-k és FPGA-k)

Azure Machine Learning Studio navigálása

Adat előkészítése

Modell létrehozása

Modell betanítása és tesztelése

Betanított modell regisztrálása

Modell képe létrehozása

Modell üzembe helyezése

Működő modell nyomon követése

Hibaállások elhárítása

Összefoglalás és kölcsönös értékelés

Követelmények

  • A gépi tanulási fogalmak megértése.
  • A felhőalapú számítások fogalmainak ismerete.
  • Általános tárolók (Docker) és irányítási rendszerek (Kubernetes) ismerete.
  • Python vagy R programozási tapasztalat hasznos lehet.
  • Parancssori munkafolyamatokban való tapasztalat.

Célcsoport

  • Adattudományos mérnökök
  • DevOps mérnökök, akik a gépi tanulási modell üzembe helyezésében érdeklődnek.
  • Infrastruktúra-mérnökök, akik érdeklődnek a gépi tanulási modell üzembe helyezésében.
  • Szoftvermérnökök, akik szeretnék automatizálni az alkalmazásukban a gépi tanulási funkciók integrálását és üzembe helyezését.
 21 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (2)

Közelgő kurzusok

Rokon kategóriák