این دوره به شما و تیمتان کمک میکند تا مهارتهای مورد نیاز را برای قبولی در آزمون گواهینامه Azure DP-100 که بیشترین تقاضا و چالش برانگیز است، ایجاد کنید. این گواهینامه یکی از پرتقاضاترین گواهینامه های Microsoft Certified را برای شما به ارمغان می آورد: Azure Data Scientist Associate.
DP-100 برای دانشمندان داده طراحی شده است. این آزمون دانش شما را از علم داده و یادگیری ماشین برای پیاده سازی مدل های یادگیری ماشین در Azure آزمایش می کند. بنابراین باید از اصول یادگیری ماشینی، پایتون، برنامهریزی و ایجاد محیطهای مناسب در Azure، ایجاد مدلهای یادگیری ماشین و همچنین بهکارگیری آنها در تولید، آگاهی داشته باشید.
چرا باید به سراغ گواهینامه DP-100 بروید؟
یکی از معدود گواهینامه ها در زمینه علم داده و یادگیری ماشین.
شما می توانید با موفقیت دانش و توانایی های خود را در زمینه علم داده و یادگیری ماشین نشان دهید.
شما چشم انداز شغلی خود را به میزان قابل توجهی در زمینه علم داده و یادگیری ماشین بهبود خواهید داد.
نکات کلیدی در مورد این دوره
جدیدترین برنامه درسی را در ماه مه 2021 پوشش می دهد.
100% برنامه درسی آزمون DP-100 پوشش داده شده است.
پوشش بسیار دقیق و جامع با بیش از 200 سخنرانی و 25 ساعت محتوا
دوره های Crash در پایتون و Azure Fundamentals برای کسانی که تازه وارد دنیای علم داده هستند
یادگیری ماشینی یکی از داغ ترین و پردرآمدترین مهارت هاست. همچنین یکی از جالب ترین زمینه ها برای کار کردن است.
در این دوره از یادگیری ماشین با استفاده از یادگیری ماشین Azure، یادگیری، ایجاد و استقرار مدلهای یادگیری ماشین با استفاده از سرویس یادگیری ماشین Azure و همچنین استودیوی یادگیری ماشین Azure را هیجانانگیزتر و سرگرمکنندهتر میکنیم. ما هر مفهومی را عمیقا مرور خواهیم کرد. این دوره نه تنها تکنیک های اولیه، بلکه تکنیک های پیشرفته پردازش داده، انتخاب ویژگی و تنظیم پارامتر را نیز آموزش می دهد که یک متخصص با تجربه و کارکشته علوم داده معمولاً به کار می گیرد. با استفاده از این تکنیک ها، در مدت زمان بسیار کوتاهی، می توانید نتایجی را که یک دانشمند داده با تجربه می تواند به دست آورد، مطابقت دهید.
این دوره به شما کمک میکند تا برای ورود به این مسیر شغلی داغ یادگیری ماشین و همچنین آزمون Azure DP-100: Azure Data Scientist Associate آماده شوید.
----- برنامه درسی امتحان برای آزمون DP-100 -----
1. یک فضای کاری یادگیری ماشینی Azure (30-35٪) راه اندازی کنید
یک فضای کاری یادگیری ماشینی Azure ایجاد کنید
یک فضای کاری یادگیری ماشینی Azure ایجاد کنید تنظیمات فضای کاری را پیکربندی کنید
با استفاده از استودیوی یادگیری ماشینی Azure یک فضای کاری را مدیریت کنید
اشیاء داده را در یک فضای کاری یادگیری ماشینی Azure مدیریت کنید
ذخیرههای داده را ثبت و نگهداری کنید
ایجاد و مدیریت مجموعه داده ها
زمینه های محاسباتی آزمایشی را مدیریت کنید
یک نمونه محاسباتی ایجاد کنید
مشخصات محاسباتی مناسب برای حجم کار آموزشی را تعیین کنید
اهداف محاسباتی برای آزمایشها و آموزش ایجاد کنید
اجرای آزمایشها و مدلهای قطار (25-30%)
با استفاده از Azure Machine Learning Designer
مدل ایجاد کنیدبا استفاده از طراح یادگیری ماشین Azure یک خط لوله آموزشی ایجاد کنید
دریافت دادهها در خط لوله طراح
از ماژول های طراح برای تعریف جریان داده خط لوله
استفاده کنیداز ماژولهای کد سفارشی در طراح استفاده کنید
اسکریپت های آموزشی را در یک فضای کاری یادگیری ماشینی Azure اجرا کنید
با استفاده از Azure Machine Learning SDK آزمایشی ایجاد و اجرا کنید
تنظیمات اجرا را برای یک اسکریپت پیکربندی کنید
مصرف دادههای یک مجموعه داده در یک آزمایش با استفاده از Azure Machine Learning SDK
معیارهایی را از اجرای آزمایشی
ایجاد کنیدثبت سنجهها از اجرای آزمایش
بازیابی و مشاهده خروجی های آزمایش
از گزارشها برای عیبیابی خطاهای اجرای آزمایش استفاده کنید
فرآیند آموزش مدل را خودکار کنید
با استفاده از SDK یک خط لوله ایجاد کنید
دادهها را بین مراحل در خط لوله انتقال دهید
یک خط لوله را اجرا کنید
نظارت بر اجرای خط لوله
بهینه سازی و مدیریت مدل ها (20-25%)
از Automated ML برای ایجاد مدل های بهینه استفاده کنید
از رابط خودکار ML در استودیوی یادگیری ماشینی Azure
استفاده کنیداز Automated ML از Azure Machine Learning SDK استفاده کنید
گزینه های پیش پردازش را انتخاب کنید
الگوریتم های مورد جستجو را تعیین کنید
متریک اولیه را تعریف کنید
دریافت داده برای اجرای خودکار ML
بهترین مدل را بازیابی کنید
از Hyperdrive برای تنظیم هایپرپارامترها استفاده کنید
یک روش نمونه گیری را انتخاب کنید
فضای جستجو را تعریف کنید
متریک اولیه
را تعریف کنیدگزینه های خاتمه زودهنگام
را تعریف کنیدمدلی را بیابید که مقادیر فراپارامتر بهینه دارد
از توضیح دهنده مدل برای تفسیر مدل ها استفاده کنید
یک مفسر مدل انتخاب کنید
داده های اهمیت ویژگی را ایجاد کنید
مدیریت مدلها
یک مدل آموزش دیده را ثبت کنید
نظارت استفاده از مدل
پیشرفت دادهها
را کنترل کنیدمدلهای استقرار و مصرف (20-25%)
اهداف محاسباتی تولید را ایجاد کنید
امنیت سرویس های مستقر را در نظر بگیرید
گزینههای محاسبه برای استقرار را ارزیابی کنید
استقرار یک مدل به عنوان یک سرویس
تنظیمات استقرار را پیکربندی کنید
یک سرویس مستقر را مصرف کنید
عیبیابی مشکلات کانتینر استقرار
یک خط لوله برای استنتاج دسته ای ایجاد کنید
یک خط لوله استنتاج دسته ای را منتشر کنید
یک خط لوله استنتاج دسته ای را اجرا کنید و خروجی ها را بدست آورید
یک خط لوله طراح را به عنوان یک وب سرویس منتشر کنید
یک منبع محاسباتی هدف ایجاد کنید
یک خط لوله استنتاج را پیکربندی کنید
نقطه پایانی مستقر شده را مصرف کنید
برخی بازخورد از دانش آموزان قبلی،
"مدرس هر مفهومی را به آرامی و واضح توضیح داد. من یک حسابدار بدون سابقه فنی و دانش آماری عالی هستم. من واقعا از این آزمایشگاه ها و سخنرانی های مفید قدردانی می کنم. DP-100 را در دسامبر 2020 گذراندم. این دوره آموزشی واقعا کمک می کند."
"امروز با کمک این دوره DP-100 را پاک کردم. من می گویم این یکی از بهترین دوره ها برای کسب دانش عمیق در مورد یادگیری ماشینی Azure و پاکسازی DP-100 به راحتی است. از شما Jitesh و تیم تشکر می کنیم. برای این آموزش فوق العاده که به من کمک کرد تا گواهینامه را پاک کنم."
"مدرس مفهوم ریاضی را به وضوح توضیح داد. این مفاهیم ریاضی به عنوان پایه یادگیری ماشین ضروری هستند و همچنین برای مطالعه مفاهیم امتحان DP-100 بسیار مفید هستند. DP-100 را گذرانده اید."
من به موفقیت شما متعهد هستم و روی آن سرمایه گذاری می کنم. من همیشه به همه سوالات پاسخ داده ام و حتی یک سوال بیش از چند روز بی پاسخ نمی ماند. این دوره همچنین به طور مرتب با ویژگی های جدیدتر به روز می شود.
یادگیری علم داده و سپس استقرار بیشتر مدلهای یادگیری ماشین در گذشته دشوار بوده است. برای سهولت کار، مفاهیم را با استفاده از مثال های بسیار ساده و روزمره توضیح داده ام. Azure ML روش مایکروسافت برای دموکراتیک کردن یادگیری ماشین است. ما از این ابزار انقلابی برای پیاده سازی مدل های خود استفاده خواهیم کرد. پس از یادگیری، میتوانید مدلهای یادگیری ماشینی را در کمتر از یک ساعت با استفاده از استودیوی یادگیری ماشینی Azure ایجاد و اجرا کنید.
استودیوی یادگیری ماشینی Azure ابزاری عالی برای یادگیری ساخت مدلهای پیشرفته بدون نوشتن یک خط کد با استفاده از قابلیت کشیدن و رها کردن ساده است. Azure Machine Learning (AzureML) به عنوان یک تغییر دهنده بازی در حوزه علم داده و یادگیری ماشین در نظر گرفته می شود.
این دوره با در نظر گرفتن دانشمند داده سطح ورودی یا نداشتن سابقه برنامه نویسی طراحی شده است. این دوره همچنین به دانشمندان داده کمک می کند تا ابزار AzureML را یاد بگیرند. اگر از قبل با مفاهیم یا اصول یادگیری ماشینی آشنا هستید، میتوانید برخی از سخنرانیهای اولیه را نادیده بگیرید یا آنها را با سرعت ۲ برابر اجرا کنید.
این دوره بسیار کاربردی است و شما می توانید در حین یادگیری، مدل های پیشرفته خود را توسعه دهید،
روشهای پیشرفته پردازش داده
تحلیل آماری دادهها با استفاده از ماژولهای یادگیری ماشین Azure
MICE یا Multiple Imputation By Chained Equation
SMOTE یا روش نمونه برداری بیش از حد اقلیت مصنوعی
PCA; تجزیه و تحلیل مؤلفه اصلی
دو طبقه بندی و طبقه بندی چند طبقه
رگرسیون لجستیک
درخت تصمیم
رگرسیون خطی
دستگاه بردار پشتیبانی (SVM)
درک نحوه ارزیابی و امتیازدهی مدل ها
توضیح دقیق پارامترهای ورودی به مدلها
نحوه انتخاب بهترین مدل با استفاده از Hyperparameter Tuning
مدلهای خود را با استفاده از استودیوی یادگیری ماشین Azure بهعنوان یک وب سرویس مستقر کنید
تحلیل خوشه ای
K-Means Clustering
انتخاب ویژگی با استفاده از Filter-based و همچنین Fisher LDA AzureML Studio
سیستم توصیه با استفاده از یکی از قدرتمندترین توصیهکنندههای Azure Machine Learning
همه اسلایدها و مطالب مرجع برای خواندن آفلاین
شما همه موارد فوق را یاد خواهید گرفت و به آنها مسلط خواهید شد، حتی اگر هیچ دانش قبلی از برنامه نویسی نداشته باشید.
این دوره یک دوره آموزشی کامل برای یادگیری ماشین با اصول اولیه است. ما نه تنها مدلها را میسازیم، بلکه پارامترهای مختلف همه آن مدلها و جایی که میتوانیم آنها را اعمال کنیم را توضیح خواهیم داد.
ما همچنین به
نگاه خواهیم کردمراحل ساخت مدل ML.
یادگیری تحت نظارت و بدون نظارت
درک داده ها و پیش پردازش
انواع مدل های مختلف
برگ تقلب AzureML.
نحوه استفاده از طبقه بندی و رگرسیون
خوشهبندی یا تحلیل خوشهای چیست
KDNuggets یکی از انجمنهای پیشرو در علم داده، یادگیری ماشینی Azure را بهعنوان چیز بزرگ بعدی در یادگیری ماشینی مینامد. در ادامه میگوید: «افراد بدون پیشزمینه علم دادهها همچنین میتوانند مدلهای داده را از طریق ژستهای کشیدن و رها کردن و نمودارهای ساده جریان داده بسازند».
کتابخانه Azure Machine Learning مدلهای از پیش ساخته شده زیادی دارد که میتوانید دوباره از آنها استفاده کنید و همچنین آنها را به کار بگیرید.
بنابراین، دکمه ثبت نام را بزنید و من شما را در داخل دوره می بینم.
بهترین-
دانشمند داده و مشاور تحول دیجیتال
Python, Data Science Machine Learning A-Z Teamکمک به موفقیت در علم داده و یادگیری ماشین.
نمایش نظرات