Designing and Implementing a Data Science Solution on Azure (DP-100)

Algemene omschrijving

De training Designing and Implementing a Data Science Solution on Azure (DP-100) is essentieel voor datawetenschappers en ICT-professionals die zich willen verdiepen in het toepassen van data science-technieken binnen Microsoft Azure. Deze DP100 training biedt jou een grondige kennis van hoe jij effectieve data science-oplossingen kunt ontwerpen en implementeren binnen een Microsoft Azure-omgeving, met behulp van de nieuwste hulpmiddelen en technologieën.

Microsoft Azure speelt een cruciale rol in moderne data science-projecten. De DP 100 training behandelt hoe de geavanceerde clouddiensten van Microsoft Azure, zoals Azure Machine Learning en Azure Databricks, gebruikt kunnen worden om schaalbare en efficiënte data science-oplossingen te ontwikkelen. Je leert hoe jij de krachtige reken- en opslagmogelijkheden van Microsoft Azure kunt benutten om complexe data-analyses en machine learning-modellen te verwerken.

De DP 100 training gaat diep in op de implementatie van machine learning-modellen in Microsoft Azure. Door deel te nemen aan deze DP 100 training krijg jij praktijkervaring met het gebruik van Azure Machine Learning om modellen te trainen, te evalueren en te implementeren. Dit stelt jou in staat om de theorie in praktijk te brengen en waardevolle inzichten te verwerven die direct toepasbaar zijn in jouw eigen data science-projecten.

Doelgroep

Deze DP 100 training is met name geschikt voor de volgende mensen:

• Datawetenschappers en data-analisten
  • Datawetenschappers en data-analisten die geïnteresseerd zijn in het uitbreiden van hun kennis en vaardigheden in cloudgebaseerde data science-oplossingen zullen veel voordeel halen uit deze training. Deze training biedt jou de kans om de geavanceerde technieken en hulpmiddelen van Microsoft Azure te leren gebruiken, waardoor jij efficiëntere en effectievere data-analyseoplossingen kunt ontwerpen en implementeren.
• ICT-professionals en cloudarchitecten
  • ICT-professionals en cloudarchitecten die zich richten op het ontwikkelen en beheren van cloudinfrastructuur kunnen hun expertise aanzienlijk uitbreiden door deze training te volgen.
  • Deze training biedt diepgaande kennis van specifieke diensten binnen Microsoft Azure en hoe deze effectief gebruikt kunnen worden voor data science-projecten, wat jou in staat stelt om meer geïntegreerde en geoptimaliseerde cloudoplossingen te ontwerpen.
• AI Engineers
  • AI Engineers die geïnteresseerd zijn in het toepassen van hun vaardigheden binnen een cloudomgeving zullen deze zeer waardevol vinden. De training biedt gedetailleerde inzichten in het gebruik van Azure Machine Learning en andere hulpmiddelen binnen Microsoft Azure voor het ontwikkelen en implementeren van machine learning-modellen, wat essentieel is voor het ontwikkelen van geavanceerde analyseoplossingen.
• Softwareontwikkelaars en data engineers
  • Softwareontwikkelaars en data engineers die willen leren hoe ze data science en machine learning in hun applicaties en systemen kunnen integreren, zullen van deze training profiteren. Deze training helpt jou om de integratie van Azure data science-diensten in bestaande en nieuwe applicatiearchitecturen te begrijpen, waardoor jij geavanceerdere en datagestuurde applicaties kunt ontwikkelen.
• Business Intelligence-professionals
  • Business Intelligence-professionals die naar een dieper begrip van data science en machine learning binnen een cloudomgeving streven, zullen de voordelen van deze training ervaren.
  • Deze DP-100 training biedt jou de kennis en vaardigheden om complexe data-analyses uit te voeren en voorspellende modellen te ontwikkelen op Microsoft Azure, waardoor jij waardevollere inzichten kunt leveren voor bedrijfsbeslissingen.

Leerdoelen DP-100

Door deze DP 100 training te volgen zul je de volgende kennis en vaardigheden verkrijgen:

• Beheersen van data science-diensten
  • Je zult diepgaande kennis opdoen van data science-diensten binnen Microsoft Azure, zoals Azure Machine Learning en Azure Databricks. Dit stelt jou in staat om deze krachtige hulpmiddelen te gebruiken voor het ontwikkelen van geavanceerde data science-oplossingen.
• Ontwerpen van effectieve data science-oplossingen
  • Een belangrijk leerdoel is het leren ontwerpen van effectieve en efficiënte data science-oplossingen binnen Microsoft Azure. Dit omvat het begrijpen van de beste werkwijzen voor dataopslag, dataverwerking, en modelontwikkeling in de cloud.
• Implementatie van machine learning-modellen
  • Deze DP 100 training is gericht op het praktisch implementeren van machine learning-modellen met Azure Machine Learning. Je leert hoe jij modellen kunnen trainen, evalueren en inzetten, waardoor je direct toepasbare vaardigheden opdoet die je in data science-projecten kunt gebruiken.
• Ontwikkelen van vaardigheden in data engineering en data-analyse
  • Je zult vaardigheden ontwikkelen in data engineering en data-analyse, essentieel voor het werken met grote datasets en het uitvoeren van complexe analyses. Dit omvat het leren hanteren van de dataopslag en -verwerkingstechnologieën van Microsoft Azure.
• Microsoft Certified: Azure Data Scientist Associate
  • Deze DP 100 training bereidt jou ook voor op het afleggen van het afsluitend certificeringsexamen. Het succesvol behalen van dit examen bevestigt jouw vaardigheden en expertise op het gebied van data science op Microsoft Azure, wat jouw carrièrekansen aanzienlijk vergroot.

Voorkennis DP-100

Voordat jij deelneemt aan deze DP 100 training raden wij aan dat jij over de volgende kennis en vaardigheden beschikt:

• Grondige kennis van cloudconcepten en Microsoft Azure
  • Voor succesvolle Azure Data Scientists is het essentieel om te beginnen met een grondige kennis van clouddiensten. Dit omvat het vermogen om cloudbronnen effectief te creëren en te beheren binnen Microsoft Azure, een belangrijke vaardigheid voor het werken in moderne, cloudgebaseerde data science-omgevingen.
• Ervaring met Python voor data-analyse en datavisualisatie
  • Een belangrijk onderdeel van de rol van een Azure Data Scientist is het gebruik van Python voor data-analyse en visualisatie. Deze vaardigheid stelt jou in staat om inzichten te verkrijgen uit complexe datasets en deze inzichten op een begrijpelijke manier te presenteren.
• Training en validatie van Machine Learning-modellen
  • Een belangrijke vaardigheid voor Azure Data Scientists is de bekwaamheid in het trainen en valideren van machine learning-modellen. Dit vereist diepgaande kennis van algemene frameworks die essentieel zijn voor het ontwikkelen van geavanceerde voorspellende modellen, zoals:
    • Scikit-Learn.
    • PyTorch.
    • TensorFlow.
• Het werken met containers
  • Het vermogen om met containers te werken, zoals Docker, is een belangrijke vaardigheid voor Azure Data Scientists. Dit stelt jou in staat om jouw data science-projecten en -modellen efficiënt te verpakken, te distribueren en uit te voeren in diverse omgevingen, waardoor de flexibiliteit en schaalbaarheid van jouw oplossingen wordt verhoogd.

Onderwerpen DP-100

DP-100 | Module 1: Aan de slag met Azure Machine Learning

In deze module leer je hoe je een Azure Machine Learning-werkruimte kunt inrichten en gebruiken om machine learning-assets zoals data, compute, modeltrainingcode, gelogde statistieken en getrainde modellen te beheren. Je leert hoe je gebruik kunt maken van de webgebaseerde Azure Machine Learning Studio-interface en de Azure Machine Learning SDK, evenals ontwikkelaarshulpmiddelen zoals Visual Studio Code en Jupyter Notebooks om met de assets in je werkruimte te werken.

Onderwerpen:

• Inleiding tot Azure Machine Learning.
• Werken met Azure Machine Learning.

Lab: Een Azure Machine Learning-werkruimte aanmaken

Na het voltooien van deze module van de DP-100 training kunnen deelnemers:

• Een Azure Machine Learning-werkruimte inrichten.
• Hulpmiddelen en code gebruiken om met Azure Machine Learning te werken.

DP-100 | Module 2: Visuele hulpmiddelen voor Machine Learning

Deze module introduceert de geautomatiseerde Machine Learning- en Designer-visuele hulpmiddelen, waarmee je machine learning-modellen kunt trainen, evalueren en implementeren zonder code te schrijven.

Onderwerpen:

• Geautomatiseerde Machine Learning.
• Azure Machine Learning Designer.

Lab: Gebruik geautomatiseerde Machine Learning

Lab: Gebruik Azure Machine Learning Designer

Na het voltooien van deze module van de DP-100 training kunnen deelnemers:

• Geautomatiseerde machine learning gebruiken om een machine learning-model te trainen.
• Azure Machine Learning Designer gebruiken om een model te trainen.

DP-100 | Module 3: Experimenten uitvoeren en modellen trainen

In deze module ga je aan de slag met experimenten die dataverwerking en modeltrainingcode bevatten, en gebruik je deze om machine learning-modellen te trainen.

Onderwerpen:

• Inleiding tot experimenten.
• Modellen trainen en registreren.

Lab: Modellen trainen

Lab: Experimenten uitvoeren

Na het voltooien van deze module van de DP-100 training kunnen deelnemers:

• Code-gebaseerde experimenten uitvoeren in een Azure Machine Learning-werkruimte.
• Machine learning-modellen trainen en registreren.

DP-100 | Module 4: Werken met data

Data is een fundamenteel element in elke machine learning-werkbelasting. In deze module leer je hoe je datastores en datasets in een Azure Machine Learning-werkruimte kunt maken en beheren, en hoe je deze kunt gebruiken in modeltrainingexperimenten.

Onderwerpen:

• Werken met datastores.
• Werken met datasets.

Lab: Werken met data

Na het voltooien van deze module van de DP-100 training kunnen deelnemers:

• Datastores maken en gebruiken.
• Datasets maken en gebruiken.

DP-100 | Module 5: Werken met compute

Een van de belangrijkste voordelen van de cloud is de mogelijkheid om computercapaciteit on-demand te gebruiken en deze in te zetten om machine learning-processen op te schalen tot een niveau dat met je eigen hardware niet haalbaar zou zijn. In deze module leer je hoe je experimentomgevingen kunt beheren die zorgen voor consistente runtime-omstandigheden voor experimenten, en hoe je compute-doelen kunt maken en gebruiken voor experimentuitvoeringen.

Onderwerpen:

• Werken met omgevingen.
• Werken met compute-doelen.

Lab: Werken met compute

Na het voltooien van deze module van de DP-100 training kunnen deelnemers:

• Omgevingen maken en gebruiken.
• Compute-doelen maken en gebruiken.

DP-100 | Module 6: Operaties orkestreren met pipelines

Nu je de basis begrijpt van het uitvoeren van werkbelastingen als experimenten die gebruikmaken van data-assets en computercapaciteit, is het tijd om te leren hoe je deze werkbelastingen kunt orkestreren als pipelines met verbonden stappen. Pipelines zijn essentieel voor het implementeren van een effectieve Machine Learning Operationalization (ML Ops)-oplossing in Azure, dus je verkent hoe je ze kunt definiëren en uitvoeren in deze module.

Onderwerpen:

• Inleiding tot pipelines.
• Pipelines publiceren en uitvoeren.

Lab: Maak een pipeline

Na het voltooien van deze module van de DP-100 training kunnen deelnemers:

• Pipelines maken om machine learning-workflows te automatiseren.
• Pipelineservices publiceren en uitvoeren.

DP-100 | Module 7: Modellen implementeren en gebruiken

Modellen zijn ontworpen om beslissingen te ondersteunen door middel van voorspellingen, dus ze zijn alleen nuttig als ze zijn geïmplementeerd en beschikbaar zijn voor een toepassing om te gebruiken. In deze module leer je hoe je modellen implementeert voor real-time inferencing en voor batch-inferencing.

Onderwerpen:

• Real-time inferencing.
• Batch-inferencing.
• Continue integratie en levering.

Lab: Maak een real-time inferencingservice

Lab: Maak een batch-inferencingservice

Na het voltooien van deze module van de DP-100 training kunnen deelnemers:

• Een model publiceren als een real-time inferencingservice.
• Een model publiceren als een batch-inferencingservice.
• Technieken beschrijven om continue integratie en levering te implementeren.

DP-100 | Module 8: Optimale modellen trainen

Tegen deze fase van de cursus heb je het volledige proces geleerd voor het trainen, implementeren en gebruiken van machine learning-modellen; maar hoe zorg je ervoor dat je model de beste voorspellingen voor je gegevens oplevert? In deze module verken je hoe je hyperparameterafstemming en geautomatiseerde machine learning kunt gebruiken om te profiteren van cloud computing op schaal en het beste model voor je gegevens te vinden.

Onderwerpen:

• Hyperparameterafstemming.
• Geautomatiseerde Machine Learning.

Lab: Gebruik geautomatiseerde Machine Learning vanuit de SDK

Lab: Hyperparameters afstemmen

Na het voltooien van deze module van de DP-100 training kunnen deelnemers:

• Hyperparameters optimaliseren voor modeltraining.
• Geautomatiseerde machine learning gebruiken om het optimale model voor je gegevens te vinden.

DP-100 | Module 9: Verantwoord machine learning

Datawetenschappers hebben de verantwoordelijkheid ervoor te zorgen dat ze gegevens op een verantwoorde manier analyseren en machine learning-modellen trainen; met respect voor de privacy van individuen, het verminderen van vooroordelen en het waarborgen van transparantie. Deze module verkent enkele overwegingen en technieken voor het toepassen van principes voor verantwoord machine learning.

Onderwerpen:

• Differentiële privacy.
• Modeluitlegbaarheid.
• Rechtvaardigheid.

Lab: Verken differentiatieprivacy

Lab: Modellen interpreteren

Lab: Oneerlijkheid detecteren en verminderen

Na het voltooien van deze module van de DP-100 training kunnen deelnemers:

• Differentiële privacy toepassen op data-analyse.
• Verklaringen gebruiken om machine learning-modellen te interpreteren.
• Modellen evalueren op eerlijkheid.

DP-100 | Module 10: Modellen monitoren

Nadat een model is geïmplementeerd, is het belangrijk om te begrijpen hoe het model in productie wordt gebruikt en om eventuele degradatie in de effectiviteit ervan te detecteren als gevolg van gegevensverschuivingen. Deze module beschrijft technieken voor het monitoren van modellen en hun data.

Onderwerpen:

• Modellen monitoren met Application Insights.
• Gegevensverschuiving monitoren.

Lab: Gegevensverschuiving monitoren

Lab: Een model monitoren met Application Insights

Na het voltooien van deze module van de DP-100 training kunnen deelnemers:

• Application Insights gebruiken om een gepubliceerd model te monitoren.
• Gegevensverschuiving monitoren.