Kurzusleírás

Bevezetés

A Azure Machine Learning (AML) jellemzők és felépítés áttekintése

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

Virtuális gépek biztosítása a felhőben

Méretezési szempontok (CPU-k, GPU-ek és FPGA-k)

Az Azure Machine Learning Studio navigációja

Adatok előkészítése

Modell építése

Modell betanítása és tesztelése

Képzett modell regisztrálása

Modellkép készítése

Modell telepítése

Modell felügyelete a gyártásban

Hibaelhárítás

Összefoglalás, és következtetés

Követelmények

  • A gépi tanulási koncepciók megértése.
  • A számítási felhő fogalmainak ismerete.
  • A konténerek (Docker) és a hangszerelés (Kubernetes) általános ismerete.
  • Python vagy R programozási tapasztalat hasznos.
  • Parancssoros munkatapasztalat.

Közönség

  • Adattudományi mérnökök
  • DevOps mérnökök, akik érdeklődnek a gépi tanulási modell bevezetése iránt
  • Infrastruktúramérnökök, akik érdekesek a gépi tanulási modell bevezetésében
  • Szoftvermérnökök, akik automatizálni kívánják a gépi tanulási funkciók integrációját és telepítését alkalmazásaikkal
  21 Hours
 

Résztvevők száma


Tanfolyam kezdete

Tanfolyam vége


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Vélemények (2)

Rokon tanfolyam

Rokon kategóriák