Entwerfen und Implementieren einer Data Science-Lösung in Azure

Seminarziel

Nach dem Seminar wissen die Teilnehmenden, wie sie Azure-Dienste zur Entwicklung, Schulung und Bereitstellung von automatisierten Lernlösungen nutzen können. 

Inhalt

• Einstieg mit Azure Machine Learning
  • Einführung in Azure Machine Learning
  • Mit Azure Machine Learning arbeiten
• Visual Tools für Machine Learning
  • Automatisiertes Machine Learning
  • Azure-Machine Learning-Designer
• Durchführen von Experimenten und Models trainieren
  • Einführung in Experimente
  • Trainieren und Registrieren von Models
• Arbeiten mit Daten
  • Arbeiten mit Datenspeichern
  • Arbeiten mit Datasets
• Arbeiten mit Compute
  • Arbeiten mit Umgebungen
  • Arbeiten mit Compute Targets
• Orchestrierung von Vorgängen mit Pipelines
  • Einführung in Pipelines
  • Veröffentlichen und Ausführen von Pipelines
• Bereitstellen und Nutzung von Models
  • Inferencing in Echtzeit
  • Batch-Inferencing
  • Continuous Integration und Delivery
• Training optimaler Modelle
  • Abstimmung von Hyperparametern
  • Automatisiertes Machine Learning
• Verantwortungsvolles Machine Learning
  • Differenzieller Datenschutz
  • Model-Interpretierbarkeit
  • Fairness
• Monitoring Models
  • Models mit Application Insights überwachen
  • Überwachen von Datendrift