Návrh Školení

Úvod

Přehled Azure Machine Learning (AML) Funkce a architektura

Přehled end-to-end workflow v AML (Azure Machine Learning Pipelines)

Poskytování virtuálních strojů v cloudu

Úvahy o škálování (CPU, GPUs a FPGA)

Procházení Azure Machine Learning Studio

Příprava dat

Stavba modelu

Školení a testování modelu

Registrace vycvičeného modelu

Vytvoření obrázku modelu

Nasazení modelu

Sledování modelu ve výrobě

Odstraňování problémů

Shrnutí a závěr

Požadavky

  • Pochopení konceptů strojového učení.
  • Znalost konceptů cloud computingu.
  • Obecná znalost kontejnerů (Docker) a orchestrace (Kubernetes).
  • Zkušenosti s programováním Python nebo R jsou užitečné.
  • Zkušenosti s prací s příkazovým řádkem.

Publikum

  • Inženýři datové vědy
  • DevOps inženýři se zájmem o nasazení modelu strojového učení
  • Inženýři infrastruktury zajímající se o nasazení modelu strojového učení
  • Softwaroví inženýři, kteří chtějí automatizovat integraci a nasazení funkcí strojového učení s jejich aplikací
  21 hodiny
 

Počet účastníků


Začátek

Konec


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Reference (2)

Související kurzy

Související kategorie