Plan du cours
Introduction
Aperçu des caractéristiques et de l'architecture de Azure Machine Learning (AML)
Aperçu d'un flux de travail de bout en bout dans le cadre de la lutte contre le blanchiment d'argent (Azure Machine Learning Pipelines)
Approvisionnement des machines virtuelles dans le nuage
Considérations relatives à la mise à l'échelle (CPU, GPUs et FPGA)
Naviguer dans Azure Machine Learning Studio
Préparation des données
Construire un modèle
Former et tester un modèle
Enregistrement d'un modèle formé
Construction d'une image modèle
Déployer un modèle
Suivi d'un modèle en production
Dépannage
Résumé et conclusion
Pré requis
- Une compréhension des concepts d'apprentissage automatique.
- Une connaissance des concepts de l'informatique en nuage.
- Une compréhension générale des conteneurs (Docker) et de l'orchestration (Kubernetes).
- Python ou une expérience en programmation R est utile.
- Expérience du travail en ligne de commande.
Audience
- Ingénieurs en science des données
- DevOps ingénieurs intéressés par le déploiement de modèles d'apprentissage automatique
- Ingénieurs en infrastructure intéressés par le déploiement de modèles d'apprentissage automatique
- Ingénieurs en logiciel souhaitant automatiser l'intégration et le déploiement de fonctions d'apprentissage automatique dans leur application
Nos Clients témoignent (2)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Formation - Azure Machine Learning (AML)
The Exercises