Mesai Saatlerinde
Designing and Implementing a Data Science Solution on Azure (DP-100) Eğitimi
Bu kursa katılmadan önce katılımcıların sahip olması gerekenler:
Azure temelleri veya eşdeğer bilgiye sahip,
NumPy, Pandas ve Matplotlib gibi kitaplıkları kullanarak verilerle çalışmak için Python kodu yazma deneyimi,
Veri biliminin anlaşılması; Scikit-Learn, PyTorch veya Tensorflow gibi yaygın makine öğrenimi kitaplıklarını kullanarak verilerin nasıl hazırlanacağı ve makine öğrenimi modellerinin önceden görülmüş olması.
Azure Eğitiminde Veri Bilimi Çözümü Tasarlama ve Uygulama başlıklı bu resmi Microsoft kursu (DP-100), katılımcılara Azure Machine Learning kullanarak bulut ölçeğinde makine öğrenimi çözümlerinin nasıl çalıştırılacağını öğretir. Katılımcılar, Microsoft Azure'da veri alımını ve hazırlığını, model eğitimini ve dağıtımını ve makine öğrenimi çözüm izlemeyi yönetmek için mevcut Python ve makine öğrenimi bilgilerinden nasıl yararlanacaklarını öğrenirler.
Bir Azure Machine Learning çalışma alanı sağlayın ve veri, hesaplama, model eğitim kodu, günlüğe kaydedilen ölçümler ve eğitimli modeller gibi makine öğrenimi varlıklarını yönetmek için kullanmayı,
Çalışma alanlarındaki varlıklarla çalışmak için web tabanlı Azure Machine Learning stüdyo arabiriminin yanı sıra Azure Machine Learning SDK ve Visual Studio Code ve Jupyter Not Defterleri gibi geliştirici araçlarını kullanmayı,
Kod yazmadan makine öğrenimi modelleri oluşturmak için bir sürükle ve bırak arabirimi olan Tasarımcı aracını kullanmayı,
Veri hazırlığı ve model eğitimini kapsayan bir eğitim hattı oluşturmayı,
Bir eğitim ardışık düzenini, yeni verilerden değerleri tahmin etmek için kullanılabilecek bir çıkarım işlem hattına dönüştürmeyi,
Çıkarım işlem hattını istemci uygulamalarının kullanması için bir hizmet olarak dağıtmayı,
Veri işleme ve model eğitim kodunu kapsayan deneyler yapın ve bunları makine öğrenimi modellerini eğitmek için kullanmayı.
Azure Machine Learning'e GirişAzure Machine Learning'e BaşlarkenAzure Machine Learning Araçları
Tasarımcı ile Kodsuz Makine ÖğrenimiTasarımcı ile Modelleri EğitimTasarımcı ile Modelleri Yayınlama
Çalıştırma Deneyleri ve Eğitim ModelleriDeneylere GirişEğitim ve Modellerin Kaydedilmesi
Verilerle ÇalışmaVeri Depolarıyla ÇalışmaVeri Kümeleriyle Çalışma
Hesaplama BağlamlarıOrtamlarla ÇalışmaHesaplama Hedefleriyle Çalışma
Boru Hatları ile İşlemleri DüzenlemeBoru Hatlarına GirişArdışık Düzenleri Yayınlama ve Çalıştırma
Modelleri Dağıtma ve TüketmeGerçek Zamanlı ÇıkarımToplu Çıkarım
Optimal Modellerin EğitimiHiperparametre AyarıOtomatik Makine Öğrenimi
Modelleri YorumlamaModel Yorumuna GirişModel Açıklayıcıları kullanma
İzleme ModuUygulama Öngörüleri ile Modelleri İzlemeVeri Kaymasını İzleme