نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
این دوره نحوه استفاده از Azure Machine Learning را برای یک ابتکار عمل علم داده در بین م acrossلفه های اصلی گردش کار ، خط لوله داده ها و زیرساخت ها مورد استفاده قرار خواهد داد. هنگام کار بر روی ابتکارات علوم داده ، کسب بینش عملی از مجموعه داده های شما چالش برانگیز است. در این دوره ، Designing Machine Learning Solutions on Microsoft Azure ، شما می آموزید که چگونه از Azure's Machine Learning استفاده کنید تا شانس موفقیت پروژه علم داده خود را تا حد زیادی افزایش دهید. در ابتدا ، شما در جریان کار تیمی شرکت خواهید کرد و اینکه چگونه Microsoft Data Science Science Process (TDSP) بهترین روش ها را در بین رشته ها امکان پذیر می کند. در مرحله بعدی ، گردش کار سرویس یادگیری ماشین لاجورد و نحوه استفاده از آن را روی پروژه خود خواهید فهمید. پس از این ، نحوه ایجاد خط لوله برای تهیه داده ها ، آموزش مدل و ثبت مدل را بررسی خواهید کرد. سرانجام ، شما رویکردهای زیرساختی را که می توانند برای یادگیری ماشین استفاده شوند و نحوه پشتیبانی این روشها در Azure را کشف خواهید کرد. هنگامی که با این دوره به پایان رسیدید ، مهارتهایی را خواهید داشت که برای شروع یک پروژه علوم داده در مورد Azure لازم است و ابزارهایی که توانایی شما را برای به دست آوردن این بینشهای عملی افزایش می دهد.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
درک گردش کار Azure Machine Learning
Understanding the Azure Machine Learning Workflow
-
بررسی اجمالی
Overview
-
چالش های علم داده
Data Science Challenges
-
مقدمه ای بر روند دانش تیمی داده ها
Introduction to Team Data Science Process
-
چرخه زندگی TDSP Data Science
TDSP Data Science Lifecycle
-
در حال مرور منابع TDSP
Reviewing TDSP Resources
-
ایجاد یک پروژه TDSP
Creating a TDSP Project
-
خلاصه
Summary
کار با گردش کار Azure Machine Learning
Working with the Azure Machine Learning Workflow
-
بررسی اجمالی
Overview
-
گردش کار یادگیری ماشین لاجوردی
Azure Machine Learning Workflow
-
راه اندازی یک سرور نوت بوک
Launching a Notebook Server
-
محاسبه اهرم برای آموزش مدل
Leveraging Compute for Model Training
-
آموزش یک مدل
Training a Model
-
استقرار یک مدل
Deploying a Model
-
خلاصه
Summary
درک راهبردهای مصرف داده
Understanding Data Ingestion Strategies
-
بررسی اجمالی
Overview
-
گزارش اکتشاف داده
Data Exploration & Reporting
-
استفاده از ابزار داده IDEAR
Utilizing the IDEAR Data Tool
-
خطوط لوله یادگیری ماشین
Machine Learning Pipelines
-
ایجاد خط لوله یادگیری ماشین
Creating a Machine Learning Pipeline
-
ادغام لاجوردی برای یادگیری ماشین
Azure Integration for Machine Learning
-
خلاصه
Summary
درک زیرساخت یادگیری ماشین لاجوردی
Understanding Azure Machine Learning Infrastructure
-
بررسی اجمالی
Overview
-
زیرساخت برای یادگیری ماشین
Infrastructure for Machine Learning
-
استقرار یک مدل با پشتیبانی GPU
Deploying a Model with GPU Support
-
از منابع خود خارج کنید
Decommissioning Your Resources
-
خلاصه
Summary
نمایش نظرات