یادگیری ماشینی یک زمینه در حال رشد سریع است که ابزارهایی را برای به دست آوردن بینش عمیق تر از داده های خود در اختیار شما قرار می دهد. با استفاده از استودیوی یادگیری ماشین Microsoft Azure، ایجاد، ارزیابی و آموزش مدلهای یادگیری ماشینی پیشبینیکننده را خواهید آموخت.
یک رویکرد مستقیم برای توسعهدهندگان جدید، دانشآموزان مدرسه کد یا هر کسی که با استقرار برنامهها آشنا نیست.
بیاموزید که چگونه برنامه های ASP.NET خود را در ظروف IIS ، Microsoft Azure و Docker مستقر کنید.
چارچوب Ethereum محبوب ترین بستر بلاکچین برای ساخت برنامه های غیرمتمرکز است. در این زمینه ، AWS امکان استفاده و راه اندازی با شبکه Ethereum خود را بر روی ابر AWS با استفاده از الگوهای بلاکچین آسان کرده است.
درک کاملی از ابزارها و مفاهیمی که می تواند به مدیران سیستم در طراحی و راه اندازی کارآمد سیستم های لینوکس در مقیاس کمک کند.
Power BI یک ابزار تجزیه و تحلیل تجاری بصری است. این دوره تمام روش های مختلف برای استقرار و انتشار گزارش های Power BI را پوشش می دهد که از پنج کاربر شروع می شود و تا 5000 مقیاس می شود.
این دوره به شما آموزش می دهد که چگونه یک فایروال جدید Palo Alto را به کار گیرید و به شما امکان می دهد تنظیمات مدیریتی را تنظیم کنید ، مسیریابی را تنظیم کنید ، اشیا create را ایجاد کنید و آنها را در سیاست های امنیتی برای شکل دادن به ترافیک شبکه شرکت خود استفاده کنید.
در این دوره ، شما می آموزید که چگونه یک محیط IBM QRadar را برنامه ریزی ، استقرار و حفظ کنید. شما نه تنها نصب فنی این ابزار را کشف خواهید کرد ، بلکه نحوه جمع آوری نیازها ، طراحی معماری و ایجاد یک برنامه استقرار را نیز پیدا خواهید کرد.
استقرار ماشین مجازی در Azure به الگویی متفاوت از این کار در محیط نیاز دارد. این دوره در سطح مبتدی به شما یاد می دهد که چگونه ماشین های مجازی ویندوز سرور و لینوکس را در ابر عمومی Microsoft Azure برنامه ریزی و استقرار دهید.
با نحوه استقرار و مدیریت مدل های یادگیری ماشین در Azure Machine Learning Studio آشنا شوید. نحوه استقرار ، مقیاس گذاری و مدیریت مدل های آموزش دیده خود را در سناریوهای تولید کشف کنید.
شروع و اجرای OpenStack (نسخه انجمن)
به دلیل در دسترس بودن انبارهای عظیم داده و توسعه آسان چارچوب های یادگیری ، یادگیری عمیق در فعالیت های عادی بسیاری از شرکت ها ادغام می شود. در اینجا ، شما از Keras برای توسعه چنین شبکه ای یا پیاده سازی در مدل خود استفاده خواهید کرد.