Schița de curs
Introducere
Prezentare generală a caracteristicilor și arhitecturii Azure Machine Learning (AML)
Prezentare generală a unui flux de lucru end-to-end în AML (Azure Machine Learning Pipelines)
Furnizarea de mașini virtuale în cloud
Considerații de scalare (CPUs, GPUs și FPGAs)
Navigarea în Azure Machine Learning Studio
Pregătirea datelor
Construirea unui model
Antrenarea și testarea unui model
Înregistrarea unui model antrenat
Construirea unei imagini de model
Implementarea unui model
Monitorizarea unui model în producție
Depanare
Rezumat și concluzii
Cerințe
- O înțelegere a conceptelor de Machine Learning.
- Cunoștințe despre conceptele de cloud computing.
- O înțelegere generală a containerelor (Docker) și a orchestreazării (Kubernetes).
- Experiență în programare Python sau R este utilă.
- Experiență în lucrul cu linia de comandă.
Publicul țintă
- Ingineri de știința datelor
- Ingineri DevOps interesați de implementarea modelelor de Machine Learning
- Ingineri de infrastructură interesați de implementarea modelelor de Machine Learning
- Ingineri software care doresc să automatizeze integrarea și implementarea funcționalităților de Machine Learning în aplicațiile lor
Mărturii (2)
Detaliile și stilul de prezentare.
Cristian Mititean - Accenture Industrial SS
Curs - Azure Machine Learning (AML)
Tradus de catre o masina
Exercițiile
Khaled Altawallbeh - Accenture Industrial SS
Curs - Azure Machine Learning (AML)
Tradus de catre o masina
