Kurzusleírás

Bevezetés

Azure Machine Learning (AML) funkciók és architektúra áttekintése

Azure Machine Learning Pipelines segítségével végigmenő munkafolyamat áttekintése

Virtuális gépek biztosítása a felhőben

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

Azure Machine Learning Studio navigálása

Adatok előkészítése

Modell építése

Modell kiképzése és tesztelése

Kiképzett modell regisztrálása

Modell kép létrehozása

Modell telepítése

Modell figyelése termelésben

Hibaelhárítás

Összegzés és záró

Követelmények

  • Gépes tanulás fogalmak megértése.
  • Felhőszámítás fogalmak ismerete.
  • Általános ismeret a konténerekről (Docker) és az orchestrációról (Kubernetes).
  • Python vagy R programozási tapasztalat hasznos.
  • Tapasztalat parancssori munkával.

Audience

  • Adat tudományi mérnökök
  • DevOps mérnökök, akik érdeklődnek a géptanulási modellek telepítéséért
  • Infra mérnökök, akik érdeklődnek a géptanulási modellek telepítéséért
  • Szoftvermérnökök, akik automatizálni szeretnék a géptanulási funkciók integrálását és telepítését az alkalmazásaikkal
 21 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (2)

Közelgő kurzusok

Rokon kategóriák