-
Imparte:
-
Modalidad:Semipresencial en Madrid
-
Precio:Consultar rellenando el formulario
-
Comienzo:Convocatoria Continua
-
Lugar:Madrid 28020
España -
Duración:24 Horas
-
Titulación:Preparación para el examen de certificación: DP-100 Designing and Implementing a Data Science Solution on Azure Profesor certificado Microsoft
Presentación
En el curso DP-100 Designing and Implementing a Data Science Solution on Azure aprenderás a operar soluciones de aprendizaje automático a escala de la nube con Azure Machine Learning. Este curso te enseñará a aprovechar tu conocimiento existente de Python y el aprendizaje automático para administrar la ingesta y preparación de datos, la capacitación e implementación de modelos, y la supervisión de soluciones de aprendizaje automático con Azure Machine Learning y MLflow.
Este curso te preparará para el examen de certificación DP-100 Designing and Implementing a Data Science Solution on Azure.
Requisitos
Tener conocimientos básicos de conceptos de informática en la nube y experiencia en técnicas y herramientas generales de ciencia de datos y aprendizaje automático:
Creación de recursos en la nube en Microsoft Azure.
Uso de Python para explorar y visualizar datos.
Entrenamiento y validación de modelos de Machine Learning mediante marcos comunes, como Scikit-Learn, PyTorch y TensorFlow.
Trabajo con contenedores.
Dirigido
Este curso está diseñado para científicos de datos con conocimiento existente de Python y marcos de aprendizaje automático como Scikit-Learn, PyTorch y Tensorflow, que deseen construir y operar soluciones de aprendizaje automático en la nube.
Objetivos
Prepararte para el Examen DP-100 Designing and Implementing a Data Science Solution on Azure examen de certificación DP-100 Designing and Implementing a Data Science Solution on Azure.
Programa
Módulo 1: Diseño de una estrategia de ingesta de datos para proyectos de aprendizaje automático
Módulo 2: Diseño de una solución de entrenamiento de modelos de Machine Learning
Módulo 3: Diseño de una solución de implementación de modelos
Módulo 4: Exploración de recursos del área de trabajo de Azure Machine Learning
Módulo 5: Exploración de las herramientas de desarrollo para la interacción de áreas de trabajo
Módulo 6: Hacer que los datos estén disponibles en Azure Machine Learning
Módulo 7: Trabajo con destinos de proceso en Azure Machine Learning
Módulo 8: Trabajo con entornos de Azure Machine Learning
Módulo 9: Búsqueda del mejor modelo de clasificación con aprendizaje automático automatizado
Módulo 10: Seguimiento del entrenamiento de modelos en cuadernos de Jupyter Notebook con MLflow
Módulo 11: Ejecución de un script de entrenamiento como un trabajo de comando en Azure Machine Learning
Módulo 12: Seguimiento del entrenamiento del modelo con MLflow en trabajos
Módulo 13: Ejecución de canalizaciones en Azure Machine Learning
Módulo 14: Realización del ajuste de hiperparámetros con Azure Machine Learning
Módulo 15: Implementación de un modelo en un punto de conexión en línea administrado
Módulo 16: Implementación de un modelo en un punto de conexión por lotes
¡Infórmate ahora sin compromiso!
