Szkolenie Azure Machine Learning

Infoshare to największa społeczność technologiczna w CEE i organizator wiodącej konferencji tech w Gdańsku. Łączy startupy, inwestorów, korporacje i pasjonatów innowacji. Promuje przedsiębiorczość, dzielenie się wiedzą i networking. Dzięki wydarzeniom, konkursom i programom wspiera rozwój ekosystemu technologicznego w Polsce i regionie.

Szkolenie z Azure Machine Learning to intensywny, dwudniowy kurs, który koncentruje się na praktycznym zastosowaniu narzędzi i usług dostępnych w Azure do tworzenia, trenowania i wdrażania modeli uczenia maszynowego. Program szkolenia jest tak zaprojektowany, aby 80% czasu poświęcone było na praktyczne warsztaty, a 20% na teorię. Uczestnicy nauczą się, jak wykorzystać pełen potencjał platformy Azure Machine Learning, pracując na rzeczywistych przykładach i przypadkach użycia.

• Programistów i inżynierów danych, którzy chcą poszerzyć swoje umiejętności w zakresie uczenia maszynowego w chmurze Azure
• Specjalistów IT, którzy chcą wykorzystać Azure Machine Learning do automatyzacji przetwarzania danych i predykcji
• Data scientistów i analityków danych, pragnących trenować i wdrażać modele ML w środowisku produkcyjnym
• Osób z podstawową znajomością programowania w Pythonie, podstawową wiedzą z zakresu uczenia maszynowego oraz podstawowymi umiejętnościami w pracy z Kubernetes.
• Doświadczenie w pracy z usługami chmurowymi będzie dodatkowym atutem

• Jak konfigurować środowisko Azure ML Workspace i zarządzać nim
• Jak wdrażać modele ML na Azure ML Service i monitorować ich działanie
• Jak przeprowadzać eksploracyjną analizę danych i trenować modele ML przy użyciu Azure ML Designer i AutoML
• Jak integrować modele ML z innymi usługami Azure, takimi jak Databricks i Cognitive Services

Dzień 1: Wprowadzenie do Azure Machine Learning i podstawy
 

1. Podstawy Azure Machine Learning

• Wprowadzenie do ekosystemu Azure i jego usług ML

• Konfiguracja środowiska Azure ML Workspace

2. Przygotowanie danych i eksploracyjna analiza danych (EDA)

• Importowanie i przetwarzanie danych w Azure

• Przeprowadzanie EDA za pomocą narzędzi dostępnych w Azure

3. Trenowanie modeli w Azure

• Wprowadzenie do Azure ML Designer

• Automatyzacja trenowania modeli za pomocą Azure AutoML

4. Trenowanie pierwszego modelu

• Praktyczne ćwiczenia z trenowaniem modelu na przykładzie rzeczywistego zbioru danych

• Analiza wyników i ocena modelu

Dzień 2: Zaawansowane techniki i praktyczne zastosowania
 

5. Zaawansowane techniki trenowania modeli

• Wykorzystanie własnych skryptów do trenowania modeli

• Użycie GPU i klastrów obliczeniowych do przyspieszenia trenowania

6. Wdrażanie i monitorowanie modeli

• Wdrażanie modeli na Azure ML Service

• Monitorowanie i zarządzanie wdrożonymi modelami

7. Wdrażanie i optymalizacja modelu

• Praktyczne ćwiczenia z wdrażania modelu

• Optymalizacja modelu i tuning hiperparametrów

16 h/2 dni