УЦ Микротест - источник ваших знаний
 
Личный кабинет Вход / Регистрация
 
 
 
  Вход Регистрация
Логин*
E-mail, указанный при регистрации
Пароль* не помню
 
Войти как пользователь
Вы можете войти на сайт, если вы зарегистрированы на одном из этих сервисов:
 
 
0 позиций

       +7 (495) 231 23 51 Москва

       +7 (964) 778 99 27 Москва

       Дербеневская наб. д.7 стр. 5

Учебный центр Микротест / Расписание курсов / Microsoft / Azure / Облачная аналитика данных при помощи машинного обучения в Azure

Курс Облачная аналитика данных при помощи машинного обучения в Azure (Код: 20774)

Microsoft

 


Основная цель курса - дать студентам возможность анализировать и представлять данные с помощью машинного обучения Azure, а также дать представление об использовании машинного обучения с помощью инструментов для работы с большими данными, таких как HDInsight и R Services.

Курс длится 40 академических часов


Аудитория

Основная аудитория этого курса - люди, которые хотят анализировать и представлять данные с помощью машинного обучения Azure.

Вторичная аудитория - это ИТ-специалисты, разработчики и информационные работники, которым необходимо поддерживать решения на основе машинного обучения Azure.

Необходимая подготовка

В дополнение к своему профессиональному опыту студенты, посещающие этот курс, должны иметь:

  • Опыт программирования на R и знакомство с распространенными R-пакетами.
  • Знание общих статистических методов и лучших методов анализа данных.
  • Базовые знания операционной системы Microsoft Windows и ее основных функций.
  • Знание реляционных баз данных.

Цели курса
По окончании курса слушатели научатся:
  • Объяснять машинное обучение, и как используются алгоритмы и языки
  • Описывать цель машинного обучения Azure и перечислите основные возможности Azure Machine Learning Studio
  • Загружать и изучать различные типы данных в машинное обучение Azure
  • Изучать и использовать методы для подготовки наборов данных, готовых для использования с машинным обучением Azure.
  • Изучать и использовать методы разработки и выбора функций для наборов данных, которые будут использоваться с машинным обучением Azure.
  • Исследовать и использовать алгоритмы регрессии и нейронные сети с помощью машинного обучения Azure
  • Изучать и использовать алгоритмы классификации и кластеризации с помощью машинного обучения Azure
  • Использовать R и Python с машинным обучением Azure и выбирать, когда использовать определенный язык
  • Исследовать и использовать гиперпараметры и множественные алгоритмы и модели, а также сможете оценивать и оценивать модели
  • Знать, как предоставлять конечным пользователям сервисы машинного обучения Azure и как делиться данными, сгенерированными из моделей машинного обучения Azure.
  • Изучать и использовать API Cognitive Services для обработки текста и изображений, для создания рекомендательного приложения и описывать использование нейронных сетей с помощью машинного обучения Azure.
  • Исследовать и использовать HDInsight с помощью машинного обучения Azure
Исследовать и использовать R и R Server с помощью машинного обучения Azure и объяснять, как развернуть и настроить SQL Server для поддержки служб R

Подробная программа курса

Содержание

Модуль 1. Введение в машинное обучение. 

Этот модуль знакомит с машинным обучением и обсуждает, как используются алгоритмы и языки.

Уроки

  • Что такое машинное обучение?
  • Введение в алгоритмы машинного обучения
  • Введение в машинное обучение языкам

Лаборатория: Введение в машинное обучение

  • Зарегистрируйте учетную запись Azure в студии машинного обучения
  • Посмотреть простой эксперимент из галереи
  • Оцените эксперимент

После прохождения этого модуля студенты смогут:

  • Описывать машинное обучение
  • Описывать алгоритмы машинного обучения
  • Описывать языки машинного обучения

Модуль 2: Введение в машинное обучение Azure.

Опишите цель машинного обучения Azure и перечислите основные возможности Azure Machine Learning Studio.

Уроки

  • Обзор машинного обучения Azure
  • Введение в студию машинного обучения Azure
  • Разработка и размещение приложений машинного обучения Azure

Лабораторная работа: введение в машинное обучение Azure

  • Исследуйте рабочее пространство студии машинного обучения Azure
  • Клонировать и запустить простой эксперимент
  • Клонируйте эксперимент, внесите несколько простых изменений и запустите эксперимент

После прохождения этого модуля студенты смогут:

  • Описывать машинное обучение Azure.
  • Пользоваться студией машинного обучения Azure.
  • Описывать платформы и среды машинного обучения Azure.

Модуль 3: Управление наборами данных. 

В конце этого модуля студент сможет загружать и изучать различные типы данных в машинном обучении Azure.

Уроки

  • Категоризация ваших данных
  • Импорт данных в машинное обучение Azure
  • Изучение и преобразование данных в машинном обучении Azure

Лабораторная работа: управление наборами данных

  • Подготовьте базу данных SQL Azure
  • Импорт данных
  • Визуализируйте данные
  • Обобщать данные

После прохождения этого модуля студенты смогут:

  • Понимать типы данных, которые они имеют.
  • Загружать данные из разных источников.
  • Изучать данные, которые были загружены.

Модуль 4. Подготовка данных для использования с машинным обучением Azure.

Этот модуль предоставляет методы для подготовки наборов данных для использования с машинным обучением Azure.

Уроки

  • Предварительная обработка данных
  • Обработка неполных наборов данных

Лабораторная работа: подготовка данных для использования с машинным обучением Azure

  • Изучите некоторые данные с помощью Power BI
  • Очистить данные

После прохождения этого модуля студенты смогут:

  • Выполнять предварительную обработку данных для очистки и нормализации.
  • Обрабатывать неполные наборы данных.

Модуль 5. Использование разработки и выбора функций. 

В этом модуле описывается, как изучить и использовать методы разработки и выбора функций для наборов данных, которые будут использоваться с машинным обучением Azure.

Уроки

  • Использование функции разработки
  • Использование выбора функции

Лабораторная работа: использование возможностей проектирования и выбора

  • Подготовить наборы данных
  • Используйте объединение для объединения данных

После прохождения этого модуля студенты смогут:

  • Использовать технические характеристики для манипулирования данными.
  • Использовать выбор функций.

Модуль 6: Создание моделей машинного обучения Azure. 

В этом модуле описывается использование алгоритмов регрессии и нейронных сетей с машинным обучением Azure.

Уроки

  • Рабочие процессы машинного обучения Azure
  • Оценка и оценка моделей
  • Использование регрессионных алгоритмов
  • Использование нейронных сетей

Лабораторная работа: создание моделей машинного обучения Azure

  • Использование модулей студии машинного обучения Azure для регрессии
  • Создать и запустить приложение на основе нейронной сети

После прохождения этого модуля студенты смогут:

  • Описывать рабочие процессы машинного обучения.
  • Объяснять оценки и оценки моделей.
  • Описывать регрессионные алгоритмы.
  • Использовать нейронную сеть.

Модуль 7. Использование классификации и кластеризации с моделями машинного обучения Azure. 

В этом модуле описывается использование алгоритмов классификации и кластеризации с машинным обучением Azure.

Уроки

  • Использование алгоритмов классификации
  • Методы кластеризации
  • Выбор алгоритмов

Лабораторная работа: использование классификации и кластеризации в моделях машинного обучения Azure

  • Использование модулей студии машинного обучения Azure для классификации.
  • Добавить раздел k-means в эксперимент
  • Добавьте PCA для обнаружения аномалий.
  • Оценить модели

После прохождения этого модуля студенты смогут:

  • Использовать алгоритмы классификации.
  • Описывать методы кластеризации.
  • Выбирать подходящие алгоритмы.

Модуль 8. Использование R и Python с машинным обучением Azure. 

Этот модуль описывает, как использовать R и Python с машинным обучением Azure и выбирать, когда использовать конкретный язык.

Уроки

  • Используя R
  • Использование Python
  • Включение R и Python в эксперименты по машинному обучению

Лабораторная работа: использование R и Python с машинным обучением Azure

  • Изучение данных с использованием R
  • Анализ данных с использованием Python

После прохождения этого модуля студенты смогут:

  • Объяснять ключевые особенности и преимущества R.
  • Объяснять ключевые особенности и преимущества Python.
  • Использовать блокноты Jupyter.
  • Поддерживать R и Python.

Модуль 9: Инициализация и оптимизация моделей машинного обучения. 

Этот модуль описывает, как использовать гиперпараметры и множественные алгоритмы и модели, а также уметь оценивать и оценивать модели.

Уроки

  • Использование гиперпараметров
  • Использование нескольких алгоритмов и моделей
  • Оценка и оценка моделей

Лаборатория: Инициализация и оптимизация моделей машинного обучения

  • Использование гиперпараметров

После прохождения этого модуля студенты смогут:

  • Использовать гиперпараметры.
  • Использовать несколько алгоритмов и моделей для создания ансамблей.
  • Подсчитывать и оценивать ансамбли.

Модуль 10. Использование моделей машинного обучения Azure. 

В этом модуле рассказывается, как предоставить конечным пользователям службы машинного обучения Azure и как делиться данными, сгенерированными из моделей машинного обучения Azure.

Уроки

  • Развертывание и публикация моделей
  • Эксперименты по потреблению

Лабораторная работа: использование моделей машинного обучения Azure

  • Развертывание моделей машинного обучения
  • Поглотить опубликованную модель

После прохождения этого модуля студенты смогут:

  • Разворачивать и публиковать модели.
  • Экспортировать данные для различных целей.

Модуль 11: Использование Cognitive Services. 

Этот модуль представляет API-интерфейсы Cognitive Services для обработки текста и изображений для создания рекомендательного приложения и описывает использование нейронных сетей с машинным обучением Azure.

Уроки

  • Обзор когнитивных услуг
  • Язык обработки
  • Обработка изображений и видео
  • Рекомендуемые продукты

Лабораторная работа: использование когнитивных услуг

  • Создайте приложение для языка
  • Создайте приложение для обнаружения лиц
  • Создайте приложение рекомендации

После прохождения этого модуля студенты смогут:

  • Описывать когнитивные услуги.
  • Обрабатывать текст через приложение.
  • Обрабатывать изображения через приложение.
  • Создавать заявки на рекомендации.

Модуль 12. Использование машинного обучения с HDInsight. 

В этом модуле описывается использование HDInsight с машинным обучением Azure.

Уроки

  • Введение в HDInsight
  • Типы кластеров HDInsight
  • HDInsight и модели машинного обучения

Лаборатория: Машинное обучение с HDInsight

  • Предоставить кластер HDInsight
  • Используйте кластер HDInsight с MapReduce и Spark

После прохождения этого модуля студенты смогут:

  • Описывать функции и преимущества HDInsight.
  • Описывать различные типы кластеров HDInsight.
  • Использовать HDInsight с моделями машинного обучения.

Модуль 13. Использование служб R с машинным обучением. 

В этом модуле описывается использование сервера R и R с машинным обучением Azure, а также объясняется, как развертывать и настраивать SQL Server и поддерживать службы R.

Уроки

  • Обзор R и R сервера
  • Использование R-сервера с машинным обучением
  • Использование R с SQL Server

Лабораторная работа: использование сервисов R с машинным обучением

  • Развернуть DSVM
  • Подготовьте образец базы данных SQL Server и настройте SQL Server и R
  • Используйте удаленный сеанс R
  • Выполнять R скрипты внутри операторов T-SQL

После прохождения этого модуля студенты смогут:

  • Реализовывать интерактивные запросы.
  • Выполнять исследовательский анализ данных.

Скрыть подробную программу курса

Заказать обучение «Облачная аналитика данных при помощи машинного обучения в Azure (20774)» можно, кликнув на удобную дату его проведения, по почте training AT training-microtest DOT ru или по одному из телефонов, указанных в разделе Контакты.



 
 
Заказать
Добавить отзыв Вы сможете после регистрации на нашем сайте

Зарегистрироваться или авторизоваться