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.
Struttura del corso
Introduzione
Panoramica delle funzionalità e dell'architettura Azure Machine Learning (AML)
Panoramica di un flusso di lavoro end-to-end in AML (Azure Machine Learning pipeline)
Provisioning di macchine virtuali nel cloud
Considerazioni sulla scalabilità (CPU, GPU e FPGA)
Navigazione Azure Machine Learning Studio
Preparazione dei dati
Compilazione di un modello
Formazione e test di un modello
Registrazione di un modello sottoposto a training
Creazione di un'immagine del modello
Distribuzione di un modello
Monitoraggio di un modello in produzione
Risoluzione dei problemi
Riassunto e conclusione
Requisiti
- Comprensione dei concetti di Machine Learning.
- Conoscenza dei concetti di cloud computing.
- Una comprensione generale dei contenitori (Docker) e dell'orchestrazione (Kubernetes).
- Python o l'esperienza di programmazione R è utile.
- Esperienza nell'utilizzo di una riga di comando.
Pubblico
- Ingegneri della scienza dei dati
- DevOps Ingegneri interessati all'implementazione di modelli di Machine Learning
- Ingegneri dell'infrastruttura interessati all'implementazione di modelli di machine learning
- Ingegneri del software che desiderano automatizzare l'integrazione e il deployment delle funzionalità di machine learning con la loro applicazione
21 ore
Recensioni (2)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Corso - Azure Machine Learning (AML)
The Exercises
