Implementing a Machine Learning Solution with Microsoft Azure Databricks

Azure Databricks to platforma w skali chmury do analizy danych i uczenia maszynowego.

W tym jednodniowym kursie dowiesz się, jak używać Azure Databricks do eksplorowania, przygotowywania i modelowania danych; i zintegruj procesy uczenia maszynowego Databricks z usługą Azure Machine Learning.

Ten kurs jest przeznaczony dla naukowców zajmujących się danymi z doświadczeniem w języku Pythion, którzy muszą nauczyć się, jak zastosować swoje umiejętności w zakresie analizy danych i uczenia maszynowego w Azure Databricks.

• Udostępnij obszar roboczy i klaster usługi Azure Databricks
• Użyj Azure Databricks do trenowania modelu uczenia maszynowego
• Użyj MLflow do śledzenia eksperymentów i zarządzania modelami uczenia maszynowego
• Zintegruj Azure Databricks z Azure Machine Learning

Przed przystąpieniem do tego kursu słuchacze powinni mieć doświadczenie w używaniu Pythona do pracy z danymi oraz pewną wiedzę na temat koncepcji uczenia maszynowego.

Umiejętność korzystania z anglojęzycznych materiałów.

Dla zwiększenia komfortu pracy oraz efektywności szkolenia zalecamy skorzystanie z dodatkowego ekranu. Brak dodatkowego ekranu nie jest przeciwwskazaniem do udziału w szkoleniu, ale w znaczący sposób wpływa na komfort pracy podczas zajęć

Informacje oraz wymagania dotyczące uczestniczenia w szkoleniach w formule zdalnej dostępne na: https://www.altkomakademia.pl/distance-learning/#FAQ

• Szkolenie: polski
• Materiały: angielski

* podręcznik w formie elektronicznej dostępny na platformie:

https://learn.microsoft.com/pl-pl/training/

* dostęp do portalu słuchacza Altkom Akademii

Metoda szkolenia:

• teoria
• dema
• labolatoria indywidualne
• 50% teoria
• 50% praktyka

1: Wprowadzenie do Azure Databricks

• Pierwsze kroki z Azure Databricks
• Praca z danymi w Azure Databricks

 2: Szkolenie i ocena modeli uczenia maszynowego

• Przygotowywanie danych do uczenia maszynowego
• Szkolenie modelu uczenia maszynowego

 3: Zarządzanie eksperymentami i modelami

• Używanie MLflow do śledzenia eksperymentów
• Zarządzanie modelami

 4: Integracja Azure Databricks i Azure Machine Learning

• Śledzenie eksperymentów z Azure Machine Learning
• Wdrażanie modeli