Train and deploy a machine learning model with Azure Machine Learning (DP-3007)

Algemene omschrijving

In het digitale tijdperk, waar data het nieuwe goud is, biedt de training Microsoft: Train and deploy a machine learning model with Azure Machine Learning (DP-3007) een onmisbare gelegenheid om de grenzen van traditionele data-analyse te doorbreken. Deze training is ontworpen om je te leren hoe jij optimaal gebruik kunt maken van Azure Machine Learning, waardoor je in staat wordt gesteld om krachtige machine learning-modellen te trainen, beoordelen en gebruiksklaar te maken.

Of je nu een beginnende of ervaren datawetenschapper bent, deze training zal jouw kennis en vaardigheden naar een hoger niveau tillen. Je leert hoe jij met de geavanceerde hulpmiddelen en diensten van Microsoft Azure complexe datasets kunt verkennen, verwerken en gebruiken om voorspellende modellen te bouwen die echt indruk maken.

In deze training leer je niet alleen hoe jij machine learning-modellen kunt trainen, maar ook hoe jij ze efficiënt kunt beoordelen, verbeteren en implementeren binnen jouw organisatie. Deze training behandelt essentiële thema's zoals modelvalidatie, performance tuning en strategieën voor het optimaal gebruiksklaar maken van machine learning-modellen. Met deze kennis en vaardigheden kun je vol vertrouwen datagebaseerde beslissingen nemen.

Doelgroep

Deze training is voornamelijk geschikt voor datawetenschappers en AI Engineers.

Leerdoelen

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

• Data beschikbaar maken in Azure Machine Learning.
• Werken met rekendoelen (compute targets) in Azure Machine Learning.
• Werken met omgevingen in Azure Machine Learning.
• Een trainingsscript uitvoeren als een opdrachttaak in Azure Machine Learning.
• Modeltraining traceren met MLflow in taken.
• Een MLflow-model registreren in Azure Machine Learning.
• Een model inzetten op een beheerd online-eindpunt.

Voorkennis

Je hebt geen specifieke voorkennis nodig om deel te mogen nemen aan deze training.

Onderwerpen

DP-3007 | Module 1: Make data available in Azure Machine Learning

• Access data by using Uniform Resource Identifiers URIs.
• Connect to cloud data sources with datastores.
• Use data asset to access specific files or folders.

Lab: Make data available in Azure Machine Learning

DP-3007 | Module 2: Work with compute targets in Azure Machine Learning

• Choose the appropriate compute target.
• Work with compute instances and clusters.
• Manage installed packages with environments.

Lab: Work with compute resources

DP-3007 | Module 3: Work with environments in Azure Machine Learning

• Understand environments in Azure Machine Learning.
• Explore and use curated environments.
• Create and use custom environments.

Lab: Work with environments

DP-3007 | Module 4: Run a training script as a command job in Azure Machine Learning

• Convert a notebook to a script.
• Test scripts in a terminal.
• Run a script as a command job.
• Use parameters in a command job.

Lab: Run a training script as a command job

DP-3007 | Module 5: Track model training with MLflow in jobs

• Use MLflow when you run a script as a job.
• Review metrics parameters artifacts and models from a run.

Lab: Use MLflow to track training jobs

DP-3007 | Module 6: Register an MLflow model in Azure Machine Learning

• Log models with MLflow.
• Understand the MLmodel format.
• Register an MLflow model in Azure Machine Learning.

Lab: Log and register models with MLflow

DP-3007 | Module 7: Deploy a model to a managed online endpoint

• Use managed online endpoints.
• Deploy your MLflow model to a managed online endpoint.
• Deploy a custom model to a managed online endpoint.
• Test online endpoints.

Lab: Deploy an MLflow model to an online endpoint