Designing and Implementing a Data Science Solution on Azure

Szkolenie skierowane do osób zainteresowanych podniesieniem swojej wiedzy i umiejętności w zakresie modeli uczenia maszynowego, w szczególności jest skierowany do naukowców zajmujących się danymi i osób odpowiedzialnych za szkolenia i wdrażanie modeli uczenia maszynowego.

Kurs obejmuje takie zagadnienia jak:

• proces nauki danych i rola naukowca danych, jest to następnie stosowane do zrozumienia, w jaki sposób usługi Azure mogą wspierać i rozszerzać proces nauki danych

• korzystanie z usługi Azure Machine Learning do automatyzacji procesu nauki danych od końca do końca

• proces uczenia maszynowego oraz  jak usługi AutoML i HyperDrive usługi Azure Machine Learning mogą zautomatyzować niektóre z pracochłonnych jego części

• automatyczne zarządzanie i monitorowanie modeli uczenia maszynowego w usłudze Azure Machine Learning

Uzyskanie niezbędnej wiedzy na temat korzystania z usług Azure do opracowywania, szkolenia i wdrażania rozwiązań do uczenia maszynowego. Kurs rozpoczyna się od przeglądu usług Azure obsługujących naukę danych. Od tego momentu koncentruje się na korzystaniu z usługi Azure Machine Learning, najważniejszej usługi do nauki danych Azure, w celu automatyzacji procesu nauki danych. Kurs koncentruje się na platformie Azure i nie uczy ucznia, jak robić naukę o danych. Zakłada się, że studenci już o tym wiedzą.

01: Projektowanie rozwiązania uczenia maszynowego

• Zaprojektowanie rozwiązania do trenowania modelu uczenia maszynowego

02: Eksploracja i konfiguracja przestrzeni roboczej Azure Machine Learning

• Eksploracja przestrzeni roboczej Azure Machine Learning

• Eksploracja narzędzi deweloperskich do interakcji z przestrzenią roboczą

• Udostępnianie danych w Azure Machine Learning

• Praca z zasobami obliczeniowymi (compute targets) w Azure Machine Learning

• Praca ze środowiskami w Azure Machine Learning

03: Eksperymentowanie z Azure Machine Learning

• Eksploracja Automatycznego Uczenia Maszynowego (Automated ML)

• Znalezienie najlepszego modelu klasyfikacyjnego z wykorzystaniem Automated ML

• Śledzenie procesu trenowania modeli w notatnikach przy użyciu MLflow

04: Optymalizacja trenowania modeli w Azure Machine Learning

• Uruchamianie skryptu treningowego jako zadania poleceń (command job) w Azure Machine Learning

• Śledzenie trenowania modeli przy użyciu MLflow w zadaniach

• Przeprowadzanie strojenia hiperparametrów w Azure Machine Learning

• Uruchamianie potoków (pipelines) w Azure Machine Learning

05: Zarządzanie i ocena modeli w Azure Machine Learning

• Rejestrowanie modelu MLflow w Azure Machine Learning

• Tworzenie i eksploracja pulpitu odpowiedzialnej sztucznej inteligencji (Responsible AI dashboard)

06: Wdrażanie i użycie modeli w Azure Machine Learning

• Wdrażanie modelu w zarządzanym punkcie końcowym online (managed online endpoint)

• Wdrażanie modelu w punkcie końcowym wsadowym (batch endpoint)

07: Optymalizacja modeli językowych dla aplikacji generatywnej AI

• Eksploracja i wdrażanie modeli z katalogu modeli w Azure AI Foundry

• Rozpoczęcie pracy z prompt flow w Azure AI Foundry

• Budowanie agenta opartego na RAG z własnymi danymi przy użyciu Azure AI Foundry

• Dostosowywanie (fine-tuning) modelu językowego w Azure AI Foundry

• Ocena wydajności aplikacji generatywnej AI w Azure AI Foundry

Osoby przystępujące do szkolenia powinny posiadać wiedzę o podstawach Azure, na temat nauki o danych, w tym jak przygotować dane, wytrenować modele i ocenić konkurencyjne modele, aby wybrać najlepszy oraz programować w języku programowania Python i korzystać z bibliotek Pythona: pand, scikit-learn, matplotlib i seaborn.

Umiejętność korzystania z anglojęzycznych materiałów.

Szkolenie poprzedzające: DP-900, AI-900, AZ-900

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

* podręcznik w formie elektronicznej dostępny na platformie:

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

* dostęp do portalu słuchacza Altkom Akademii

• Szkolenie: polski

• Materiały: angielski

Become Microsoft Certified: https://arch-center.azureedge.net/Credentials/Certification-Poster_en-us.pdf

Egzamin w formie on-line. Zapis na stronie https://home.pearsonvue.com/Clients/Microsoft.aspx

Microsoft Certified: Azure Data Scientist Associate

Exam URL: https://docs.microsoft.com/en-us/learn/certifications/exams/DP-100

Become Microsoft Certified: https://arch-center.azureedge.net/Credentials/Certification-Poster_en-us.pdf