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
Nos clients témoignent (2)
Les détails et le style de présentation.
Cristian Mititean - Accenture Industrial SS
Formation - Azure Machine Learning (AML)
Traduction automatique
Les Exercices
Khaled Altawallbeh - Accenture Industrial SS
Formation - Azure Machine Learning (AML)
Traduction automatique