Schulungsübersicht

Einführung

Überblick über die Funktionen und Architektur von Azure Machine Learning (AML)

Überblick über einen End-to-End-Arbeitsablauf in AML (Azure Machine Learning Pipelines)

Bereitstellung virtueller Computer in der Cloud

Skalierungsaspekte (CPUs, GPUs und FPGAs)

Navigation in Azure Machine Learning Studio

Daten vorbereiten

Modell erstellen

Modell trainieren und testen

Trainiertes Modell registrieren

Modell-Image erstellen

Modell bereitstellen

Überwachung des Modells in der Produktion

Fehlerbehebung

Zusammenfassung und Fazit

Voraussetzungen

  • Ein Verständnis von Machine Learning Konzepten.
  • Kenntnisse der Cloud Computing Konzepte.
  • Ein grundlegendes Verständnis von Containern (Docker) und Orchestrierung (Kubernetes).
  • Erfahrung mit Python oder R ist hilfreich.
  • Erfahrung im Arbeiten mit der Kommandozeile.

Zielgruppe

  • Data Science Ingenieure
  • DevOps Ingenieure, die sich für die Bereitstellung von Machine Learning Modellen interessieren
  • Infrastruktur-Ingenieure, die sich für die Bereitstellung von Machine Learning Modellen interessieren
  • Software-Ingenieure, die die automatisierte Integration und Bereitstellung von Machine Learning Funktionen in ihre Anwendungen wünschen
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien