Schulungsübersicht

Einführung

Überblick über Azure Machine Learning (AML) Funktionen und Architektur

Überblick über einen End-to-End-Workflow in AML (Azure Machine Learning Pipelines)

Bereitstellung von virtuellen Maschinen in der Cloud

Skalierungsüberlegungen (CPUs, GPUs und FPGAs)

Navigieren in Azure Machine Learning Studio

Daten vorbereiten

Aufbau eines Modells

Trainieren und Testen eines Modells

Registrierung eines trainierten Modells

Aufbau eines Modellbildes

Einsatz eines Modells

Überwachung eines Modells in der Produktion

Fehlersuche

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Verständnis für Konzepte des maschinellen Lernens.
  • Kenntnisse über Cloud-Computing-Konzepte.
  • Ein allgemeines Verständnis von Containern (Docker) und Orchestrierung (Kubernetes).
  • Python oder R-Programmiererfahrung ist hilfreich.
  • Erfahrung im Umgang mit einer Kommandozeile.

Publikum

  • Datenwissenschaftler
  • DevOps Ingenieure, die an der Bereitstellung von Modellen für maschinelles Lernen interessiert sind
  • Infrastrukturingenieure, die an der Bereitstellung von Modellen für maschinelles Lernen interessiert sind
  • Softwareingenieure, die die Integration und Bereitstellung von maschinellen Lernfunktionen in ihre Anwendung automatisieren möchten
  21 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Erfahrungsberichte (2)

Kombinierte Kurse

Verwandte Kategorien