Struttura del corso
Introduzione
Panoramica di Azure Machine Learning (AML) Funzionalità e architettura
Panoramica di un flusso di lavoro end-to-end in AML (Azure Machine Learning Pipelines)
Provisioning di macchine virtuali nel cloud
Considerazioni sul ridimensionamento (CPU, GPU e FPGA)
Esplorazione di Azure Machine Learning Studio
Preparazione dei dati
Creazione di un modello
Training e test di un modello
Registrazione di un modello sottoposto a training
Creazione di un'immagine del modello
Distribuzione di un modello
Monitoraggio di un modello in produzione
Risoluzione dei problemi
Riassunto e conclusione
Requisiti
- Comprensione dei concetti di machine learning.
- Conoscenza dei concetti di cloud computing.
- Una conoscenza generale dei contenitori (Docker) e dell'orchestrazione (Kubernetes).
- Python o l'esperienza di programmazione R è utile.
- Esperienza di lavoro con una riga di comando.
Pubblico
- Ingegneri della scienza dei dati
- DevOps Ingegneri interessati all'implementazione di modelli di Machine Learning
- Ingegneri dell'infrastruttura interessati alla distribuzione di modelli di machine learning
- Ingegneri del software che desiderano automatizzare l'integrazione e la distribuzione di funzionalità di machine learning con la propria applicazione
Recensioni (2)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Corso - Azure Machine Learning (AML)
The Exercises