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

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

In het digitale tijdperk, waarin data het nieuwe goud is, biedt de training 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. De DP-3007 training is ontworpen om jou 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, de DP-3007 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 de training Train and deploy a machine learning model with Azure Machine Learning (DP-3007) 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. Verder worden er in de DP-3007 training essentiële thema's behandeld, zoals modelvalidatie, performance tuning en strategieën voor het optimaal gebruiksklaar maken van machine learning-modellen. Met de opgedane kennis en vaardigheden zul je in staat zijn om met vertrouwen datagebaseerde beslissingen nemen.

Doelgroep voor de DP-3007 Training

De training Train and deploy a machine learning model with Azure Machine Learning (DP-3007) is voornamelijk geschikt voor datawetenschappers en AI Engineers.

Leerdoelen DP-3007

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

Onderwerpen DP-3007

In de training Train and deploy a machine learning model with Azure Machine Learning (DP-3007) zul je de belangrijkste onderwerpen leren met betrekking tot het ontwikkelen, trainen en implementeren van krachtige machine learning-modellen door middel van Azure Machine Learning. De DP-3007 training is speciaal ontworpen om jou de benodigde kennis en vaardigheden te bieden om het volledige proces van datavoorbereiding tot modelimplementatie te beheersen binnen een schaalbare cloudomgeving.

DP-3007 | Module 1: Gegevens beschikbaar maken binnen Azure Machine Learning

• Toegang tot gegevens verkrijgen met behulp van Uniform Resource Identifiers (URI's).
• Verbinding maken met cloudgegevensbronnen via datastores.
• Een gegevensbezit (data asset) gebruiken om specifieke bestanden of mappen te benaderen.

Labopdracht met begeleiding: Gegevens beschikbaar maken in Azure Machine Learning

DP-3007 | Module 2: Werken met compute-doelen in Azure Machine Learning

• Het juiste compute-doel kiezen.
• Werken met compute-instanties en clusters.
• Geïnstalleerde pakketten beheren met omgevingen.

Labopdracht met begeleiding: Werken met compute-bronnen

DP-3007 | Module 3: Werken met omgevingen in Azure Machine Learning

• Omgevingen in Azure Machine Learning begrijpen.
• Georganiseerde omgevingen verkennen en gebruiken.
• Aangepaste omgevingen creëren en gebruiken.

Labopdracht met begeleiding: Werken met omgevingen

DP-3007 | Module 4: Een trainingsscript uitvoeren als een opdracht in Azure Machine Learning

• Een notebook converteren naar een script.
• Scripts testen in een terminal.
• Een script uitvoeren als een opdracht.
• Parameters gebruiken in een opdracht.

Labopdracht met begeleiding: Een trainingsscript uitvoeren als een opdracht

DP-3007 | Module 5: Modeltraining volgen met MLflow in opdrachten

• MLflow gebruiken wanneer je een script als opdracht uitvoert.
• Statistieken, parameters, artefacten en modellen van een run bekijken.

Labopdracht met begeleiding: Gebruik MLflow om trainingsopdrachten te volgen

DP-3007 | Module 6: Een MLflow-model registreren in Azure Machine Learning

• Modellen loggen met MLflow.
• Het MLmodel-formaat begrijpen.
• Een MLflow-model registreren in Azure Machine Learning.

Labopdracht met begeleiding: Modellen loggen en registreren met MLflow

DP-3007 | Module 7: Een model implementeren naar een beheerd online endpoint

• Beheerde online endpoints gebruiken.
• Je MLflow-model implementeren naar een beheerd online endpoint.
• Een aangepast model implementeren naar een beheerd online endpoint.
• Online endpoints testen.

Labopdracht met begeleiding: Een MLflow-model implementeren naar een online endpoint