Programa del Curso
Introducción
Descripción general de Azure Machine Learning (AML) Características y arquitectura
Información general sobre un flujo de trabajo de un extremo a otro en AML (canalizaciones de Azure Machine Learning)
Aprovisionamiento de máquinas virtuales en la nube
Consideraciones de escalado (CPU, GPU y FPGA)
Navegación por Azure Machine Learning Studio
Preparación de datos
Creación de un modelo
Entrenamiento y prueba de un modelo
Registro de un modelo entrenado
Creación de una imagen de modelo
Implementación de un modelo
Supervisión de un modelo en producción
Solución de problemas
Resumen y conclusión
Requerimientos
- Comprensión de los conceptos de aprendizaje automático.
- Conocimiento de los conceptos de computación en la nube.
- Conocimientos generales de contenedores (Docker) y orquestación (Kubernetes).
- Python o experiencia en programación en R es útil.
- Experiencia trabajando con una línea de comandos.
Audiencia
- Ingenieros de ciencia de datos
- DevOps Ingenieros interesados en la implementación de modelos de aprendizaje automático
- Ingenieros de infraestructura interesados en la implementación de modelos de aprendizaje automático
- Ingenieros de software que deseen automatizar la integración y el despliegue de funciones de aprendizaje automático con su aplicación
Testimonios (2)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Curso - Azure Machine Learning (AML)
The Exercises