Maandag - Vrijdag

8:15 - 17:00

info@startel.nl

050-5028888

Lavendelheide 12, 9202 PD, Drachten

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

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

Machine learning, wat is dat eigenlijk? Denk maar aan beeldherkenning als voorbeeld. Voordat je deze interessante driedaagse training boekt, weet dat je wel al Python kennis en machine learning frameworks in ieder geval kent. En je moet ook algemene kennis van de cloud hebben. Maar dan kan je ook echt los: data onderzoeken, visualiseren, trainen van modellen, noem maar op.


Learn how to operate machine learning solutions at cloud scale using Azure Machine Learning. This course teaches you to leverage your existing knowledge of Python and machine learning to manage data ingestion and preparation, model training and deployment, and machine learning solution monitoring in Microsoft Azure.



Deze training is bedoeld voor data scientists met bestaande kennis van Python en machine learning frameworks zoals Scikit-Learn, PyTorch, en Tensorflow, die machine learning toepassingen willen bouwen en beheren in de cloud.


Welke voorkennis heb je nodig?


Succesvolle Azure Data Scientists starten in deze rol met fundamentele kennis van cloud-concepten, en algemene ervaring met data science en machine learning tools en technieken.


Specifiek:


  • Creëren van cloud rescources in Microsoft Azure.
  • Gebruiken van Pyton om data te onderzoeken en visualiseren.
  • Trainen en valideren van machine learning modellen met gebruik van algemene frameworks zoals Scikit-Learn, PyTorch en TensorFlow.
  • Werken met containers.


Trainingsvorm

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

Heb je een vraag?

Neem dan contact op met onze klantenservice voor studieadvies of een training op maat.

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

Wij proberen je aanvraag zo snel mogelijk te beantwoorden. Meestal zou dat op de dag zelf gebeuren. Om je sneller van dienst te zijn vragen we je telefoonnummer.

Trainingsdata

Heeft je voorkeursdatum geen doorgangsgarantie, neem dan voor de zekerheid contact met ons op. Vaak hebben we een oplossing voor je waarmee je doel gehaald kan worden.

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

Wij proberen je aanvraag zo snel mogelijk te beantwoorden. Meestal zou dat op de dag zelf gebeuren. Om je sneller van dienst te zijn vragen we je telefoonnummer.

Startdatum

Trainingsvorm

Locatie

Duur

Prijs

datum:
19 oktober 2022

Virtueel

Virtual

3 bijeenkomsten

1,495.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2022-10-2009:0016:00
2022-10-2109:0016:00
2022-10-1909:0016:00
datum:
19 oktober 2022

Klassikaal

Startel (Drachten)

3 bijeenkomsten

1,495.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2022-10-1909:0016:00
2022-10-2109:0016:00
2022-10-2009:0016:00
datum:
25 november 2022

Virtueel (EN), Doorgangsgarantie

Virtual

3 bijeenkomsten

1,895.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2022-12-0209:0016:00
2022-12-0909:0016:00
2022-11-2509:0016:00
datum:
09 januari 2023

Klassikaal

Startel (Drachten)

3 bijeenkomsten

1,495.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2023-01-0909:0016:00
2023-01-1009:0016:00
2023-01-1109:0016:00
datum:
09 januari 2023

Virtueel

Virtual

3 bijeenkomsten

1,495.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2023-01-0909:0016:00
2023-01-1009:0016:00
2023-01-1109:0016:00
datum:
03 april 2023

Klassikaal

Startel (Drachten)

3 bijeenkomsten

1,495.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2023-04-0409:0016:00
2023-04-0509:0016:00
2023-04-0309:0016:00
datum:
03 april 2023

Virtueel

Virtual

3 bijeenkomsten

1,495.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2023-04-0309:0016:00
2023-04-0409:0016:00
2023-04-0509:0016:00
datum:
12 juni 2023

Virtueel

3 bijeenkomsten

1,495.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2023-06-1209:0016:00
2023-06-1309:0016:00
2023-06-1409:0016:00
datum:
12 juni 2023

Klassikaal

Startel (Drachten)

3 bijeenkomsten

1,495.00

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

DatumStarttijdEindtijd
2023-06-1209:0016:00
2023-06-1309:0016:00
2023-06-1409:0016:00
datum:

In company

Offerte formulier

Wij proberen je aanvraag binnen 2 werkdagen te verwerken. Telefoonnummer is niet direct nodig, maar handig als we nog vragen hebben.

Waarom Startel?

Persoonlijke
aanpak
Ervaren
trainers
Aanbod
op maat
Klassikaal en e-learning
mogelijkheden

Het programma


Module 1: Getting Started with Azure Machine Learning


In this module, you will learn how to provision an Azure Machine Learning workspace and use it to manage machine learning assets such as data, compute, model training code, logged metrics, and trained models. You will learn how to use the web-based Azure Machine Learning studio interface as well as the Azure Machine Learning SDK and developer tools like Visual Studio Code and Jupyter Notebooks to work with the assets in your workspace.


Lessons


  • Introduction to Azure Machine Learning

  • Working with Azure Machine Learning


Lab : Create an Azure Machine Learning Workspace


After completing this module, you will be able to


  • Provision an Azure Machine Learning workspace

  • Use tools and code to work with Azure Machine Learning


Module 2: Visual Tools for Machine Learning


This module introduces the Automated Machine Learning and Designer visual tools, which you can use to train, evaluate, and deploy machine learning models without writing any code.


Lessons


  • Automated Machine Learning

  • Azure Machine Learning Designer


Lab : Use Automated Machine Learning


Lab : Use Azure Machine Learning Designer


After completing this module, you will be able to


  • Use automated machine learning to train a machine learning model

  • Use Azure Machine Learning designer to train a model


Module 3: Running Experiments and Training Models


In this module, you will get started with experiments that encapsulate data processing and model training code, and use them to train machine learning models.


Lessons


  • Introduction to Experiments

  • Training and Registering Models


Lab : Train Models


Lab : Run Experiments


After completing this module, you will be able to


  • Run code-based experiments in an Azure Machine Learning workspace

  • Train and register machine learning models


Module 4: Working with Data


Data is a fundamental element in any machine learning workload, so in this module, you will learn how to create and manage datastores and datasets in an Azure Machine Learning workspace, and how to use them in model training experiments.


Lessons


  • Working with Datastores

  • Working with Datasets


Lab : Work with Data


After completing this module, you will be able to


  • Create and use datastores

  • Create and use datasets


Module 5: Working with Compute


One of the key benefits of the cloud is the ability to leverage compute resources on demand, and use them to scale machine learning processes to an extent that would be infeasible on your own hardware. In this module, you'll learn how to manage experiment environments that ensure consistent runtime consistency for experiments, and how to create and use compute targets for experiment runs.


Lessons


  • Working with Environments

  • Working with Compute Targets


Lab : Work with Compute


After completing this module, you will be able to


  • Create and use environments

  • Create and use compute targets


Module 6: Orchestrating Operations with Pipelines


Now that you understand the basics of running workloads as experiments that leverage data assets and compute resources, it's time to learn how to orchestrate these workloads as pipelines of connected steps. Pipelines are key to implementing an effective Machine Learning Operationalization (ML Ops) solution in Azure, so you'll explore how to define and run them in this module.


Lessons


  • Introduction to Pipelines

  • Publishing and Running Pipelines


Lab : Create a Pipeline


After completing this module, you will be able to


  • Create pipelines to automate machine learning workflows

  • Publish and run pipeline services


Module 7: Deploying and Consuming Models


Models are designed to help decision making through predictions, so they're only useful when deployed and available for an application to consume. In this module learn how to deploy models for real-time inferencing, and for batch inferencing.


Lessons


  • Real-time Inferencing

  • Batch Inferencing

  • Continuous Integration and Delivery


Lab : Create a Real-time Inferencing Service


Lab : Create a Batch Inferencing Service


After completing this module, you will be able to


  • Publish a model as a real-time inference service

  • Publish a model as a batch inference service

  • Describe techniques to implement continuous integration and delivery


Module 8: Training Optimal Models


By this stage of the course, you've learned the end-to-end process for training, deploying, and consuming machine learning models; but how do you ensure your model produces the best predictive outputs for your data? In this module, you'll explore how you can use hyperparameter tuning and automated machine learning to take advantage of cloud-scale compute and find the best model for your data.


Lessons


  • Hyperparameter Tuning

  • Automated Machine Learning


Lab : Use Automated Machine Learning from the SDK


Lab : Tune Hyperparameters


After completing this module, you will be able to


  • Optimize hyperparameters for model training

  • Use automated machine learning to find the optimal model for your data


Module 9: Responsible Machine Learning


Data scientists have a duty to ensure they analyze data and train machine learning models responsibly; respecting individual privacy, mitigating bias, and ensuring transparency. This module explores some considerations and techniques for applying responsible machine learning principles.


Lessons


  • Differential Privacy

  • Model Interpretability

  • Fairness


Lab : Explore Differential provacy


Lab : Interpret Models


Lab : Detect and Mitigate Unfairness


After completing this module, you will be able to


  • Apply differential provacy to data analysis

  • Use explainers to interpret machine learning models

  • Evaluate models for fairness


Module 10: Monitoring Models


After a model has been deployed, it's important to understand how the model is being used in production, and to detect any degradation in its effectiveness due to data drift. This module describes techniques for monitoring models and their data.


Lessons


  • Monitoring Models with Application Insights

  • Monitoring Data Drift


Lab : Monitor Data Drift


Lab : Monitor a Model with Application Insights


After completing this module, you will be able to


  • Use Application Insights to monitor a published model

  • Monitor data drift

Hoe maken we het persoonlijk?

Bij Startel is persoonlijk ook écht persoonlijk. Om de best passende trainingen te geven starten we met het belangrijkste ingrediënt: jou.

  1. We starten altijd met een intake om jou te leren kennen.
  2. We passen de Training aan de hand van jouw ambitie en doelen aan.
  3. We kijken ook naar jouw persoonlijke situatie om de lesstof zo praktisch mogelijk te maken.
LPIC-1 LINUX ADMINISTRATOR FAST TRACK
LPI
LPIC-1 LINUX ADMINISTRATOR FAST TRACK

Wanneer je je in een week wil voorbereiden op twee Linux examens (LPIC-101 en LPIC-102) is dit de training die je moet hebben. Deze training is de eerste stap naar professioneel Linux. LPI is de afkorting voor Linux Professional Institute Certification. Het is een platformonafhankelijke certificering (nou ja, wel Linux natuurlijk, maar niet specifiek Red Hat of Ubuntu bijvoorbeeld). Haal je beide examens dan heb je het LPIC-1 certificaat, en staat niets je in de weg om verder het uitdagende Linux-pad te bewandelen!

Lees verder »
Managing Modern Desktops (MD-101)
Microsoft
Managing Modern Desktops (MD-101)

Deze training is in feite een vervolg op de MD-100. Het is een training waarbij je nog breder dan deze curus gaat kijken naar hoe je nu een desktop configureert, met alle ins en outs. Denk ook aan Azure, wat ook een belangrijk onderdeel van deze training is. Leerzaam en verbredend richting cloud!

Lees verder »
Microsoft 365 Identity and Services (MS-100)
Microsoft
Microsoft 365 Identity and Services (MS-100)

Met deze training leer je hoe je effectief en efficiënt je Microsoft 365-tenant (zeg maar abonnement) kan beheren. Je leert alles over Microsoft 365, ook hoe je overgaat óp Microsoft 365, te veel om op te noemen. Vooruit: Power Apps, security, Power BI, etc.. Kortom: vijf dagen volledig bezig met MS 365.

Lees verder »

Contact formulier

Wil je informatie of wil je een maatwerk training. Neem dan Contact met  ons op.

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

Wij proberen je aanvraag zo snel mogelijk te beantwoorden. Meestal zou dat op de dag zelf gebeuren. Om je sneller van dienst te zijn vragen we je telefoonnummer.

categorie: 
  • Azure
  • Cloud
  • Data