Plan du cours

Introduction

Aperçu des fonctionnalités et de l'architecture Azure Machine Learning (AML)

Aperçu d'un flux de travail de bout en bout dans AML (Azure Machine Learning Pipelines)

Approvisionnement des machines virtuelles dans le nuage

Considérations relatives à la mise à l'échelle (CPU, GPU et FPGA)

Navigation dans Azure Machine Learning Studio

Préparation des données

Construction d'un modèle

Entraînement et test d'un modèle

Enregistrement d'un modèle entraîné

Construire une image de modèle

Déployer un modèle

Surveillance d'un modèle en production

Résolution des problèmes

Résumé et conclusion

Pré requis

  • Compréhension des concepts d'apprentissage automatique.
  • Connaissance des concepts de l'informatique en nuage.
  • Une compréhension générale des conteneurs (Docker) et de l'orchestration (Kubernetes).
  • Une expérience en programmation Python ou R est utile.
  • Expérience de travail en ligne de commande.

Audience

  • Ingénieurs en science des données
  • Ingénieurs DevOps intéressés par le déploiement de modèles d'apprentissage automatique
  • Ingénieurs en infrastructure intéressés par le déploiement de modèles d'apprentissage automatique
  • Ingénieurs logiciels souhaitant automatiser l'intégration et le déploiement de fonctions d'apprentissage automatique dans leur application
 21 Heures

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (2)

Cours à venir

Catégories Similaires