Kurzusleírás

Bevezetés

Az Azure Machine Learning (AML) funkcióinak és architektúrájának áttekintése

Egy végpontok közötti munkafolyamat áttekintése az AML-ben (Azure Machine Learning Pipelines)

Virtuális gépek kiépítése a felhőben

Skálázási szempontok (CPU, GPU és FPGA)

Navigálás az Azure Machine Learning Studioban

Adatok előkészítése

Modell építése

Modell tanítása és tesztelése

Tanított modell regisztrálása

Modellkép készítése

Modell üzembe helyezése

Modell monitorozása éles környezetben

Hibaelhárítás

Összefoglalás és befejezés

Követelmények

  • A gépi tanulás alapfogalmainak ismerete.
  • A felhőalapú számítástechnika alapfogalmainak ismerete.
  • Általános ismeret a konténerekről (Docker) és az orchestrationről (Kubernetes).
  • Python vagy R programozási tapasztalat hasznos.
  • Parancssor használatának tapasztalata.

Célközönség

  • Adattudományi mérnökök
  • DevOps mérnökök, akik a gépi tanulási modellek üzembe helyezésében érdekeltek
  • Infrastruktúra mérnökök, akik a gépi tanulási modellek üzembe helyezésében érdekeltek
  • Szoftvermérnökök, akik szeretnék automatizálni a gépi tanulási funkciók integrálását és üzembe helyezését az alkalmazásaikkal
 21 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (2)

Közelgő kurzusok

Rokon kategóriák