Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduktion
Översikt över Azure Machine Learning (AML) Funktioner och arkitektur
Översikt över ett end-to-end-arbetsflöde i AML (Azure Machine Learning Pipelines)
Tillhandahållande av virtuella maskiner i molnet
Skalningsöverväganden (CPU, GPUs och FPGA)
Navigera i Azure Machine Learning Studio
Förbereder data
Att bygga en modell
Utbildning och testning av en modell
Registrera en utbildad modell
Bygga en modellbild
Utplacera en modell
Övervakning av en modell i produktion
Felsökning
Sammanfattning och slutsats
Krav
- En förståelse för maskininlärningskoncept.
- Kunskaper om cloud computing-koncept.
- En allmän förståelse för containrar (Docker) och orkestrering (Kubernetes).
- Python eller R-programmeringserfarenhet är till hjälp.
- Erfarenhet av att arbeta med en kommandorad.
Publik
- Datavetenskapliga ingenjörer
- DevOps ingenjörer som är intresserade av implementering av maskininlärningsmodeller
- Infrastrukturingenjörer som är intressanta för implementering av maskininlärningsmodeller
- Mjukvaruingenjörer som vill automatisera integrationen och driftsättningen av maskininlärningsfunktioner med sin applikation
21 timmar
Vittnesmål (2)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Kurs - Azure Machine Learning (AML)
The Exercises