آموزش آمادگی آزمون DP-100: طراحی و پیاده سازی یک راه حل علم داده در Azure

سرفصل ها و درس ها

آمادگی آزمون DP-100: مقدمه DP-100 Exam Prep: Introduction

• معرفی دوره DP-100 DP-100 Course Introduction

خودکارسازی ایجاد مدل هوش مصنوعی با یادگیری ماشینی Azure Automating AI Model Creation With Azure Machine Learning

• معرفی Introduction

• آموزش یک مدل Training a Model

• استقرار یک مدل Deploying a Model

راه اندازی یک محیط توسعه یادگیری ماشینی Azure Setting Up an Azure Machine Learning Development Environment

• معرفی Introduction

• بررسی اجمالی Overview

• محاسبه الزامات برای آموزش مدل Compute Requirements for Model Training

• یک نمونه محاسباتی با اسکریپت ایجاد کنید Create a Compute Instance With Scripts

• استقرار مدل Model Deployment

• استفاده از ابزارهای توسعه دهنده با فضاهای کاری Using Developer Tools with Workspaces

• یکپارچه سازی Git Git Integration

• ثبت‌های یادگیری ماشینی Azure Azure Machine Learning Registries

• خلاصه Summary

دسترسی به داده ها در یادگیری ماشینی Azure Accessing Data in Azure Machine Learning

• معرفی Introduction

• منابع اطلاعات Data Sources

• ذخیره‌سازی داده‌ها و دارایی‌ها در استودیوی یادگیری ماشین Datastores and Assets in Machine Learning Studio

• واردات MLTable MLTable Import

• ایجاد فروشگاه‌های داده و دارایی‌ها با Python SDK Creating Data Stores and Assets With the Python SDK

• خلاصه Summary

ایجاد و نظارت بر محیط یادگیری ماشینی Azure Creating and Monitoring an Azure Machine Learning Environment

• معرفی Introduction

• بررسی اجمالی محیط ها Environments Overview

• ایجاد محیط ها Creating Environments

• نظارت بر محاسبات یادگیری ماشینی Azure Monitoring Azure Machine Learning Compute

• خلاصه Summary

کاوش داده ها در یادگیری ماشینی Azure Exploring Data in Azure Machine Learning

• معرفی Introduction

• کاوش تعاملی داده ها Interactively Exploring Data

• جدال داده با اسپارک آپاچی Data Wrangling with Apache Spark

• خلاصه Summary

ایجاد مدل ها در طراح استودیوی یادگیری ماشینی Azure Creating Models in Azure Machine Learning Studio Designer

• معرفی Introduction

• ایجاد مدل Create Model

• نتایج آموزش Training Results

• خلاصه Summary

تنظیم فراپارامترها در یادگیری ماشینی Azure Tuning Hyperparameters in Azure Machine Learning

• معرفی Introduction

• فراپارامترها Hyperparameters

• خلاصه Summary

اجرای و نظارت بر اسکریپت های آموزشی در یادگیری ماشینی Azure Running and Monitoring Training Scripts in Azure Machine Learning

• معرفی Introduction

• اجرای مدل ها با اسکریپت Running Models with Scripts

• اجرای یک اسکریپت به عنوان دستور Running a Script as a Command

• نظارت بر کار Job Monitoring

• نسخه ی نمایشی MLFlow MLFlow Demo

• مدل های ورود به سیستم Logging Models

• خلاصه Summary

پیاده سازی Pipelines در یادگیری ماشینی Azure Implementing Pipelines in Azure Machine Learning

• معرفی Introduction

• بررسی اجمالی Overview

• ایجاد کامپوننت ها Creating Components

• ایجاد و اجرای خطوط لوله Creating and Running Pipelines

• داده های خط لوله Pipeline Data

• خلاصه Summary

استقرار مدل ها در یادگیری ماشینی Azure Deploying Models in Azure Machine Learning

• معرفی Introduction

• بررسی اجمالی Overview

• استقرار نقطه پایانی آنلاین Deploying an Online Endpoint

• استقرار یک نقطه پایانی دسته ای Deploying a Batch Endpoint

• خلاصه Summary