MOC 40561 Microsoft Cloud Workshop: Machine Learning
Classroom Schulung | Deutsch | Anspruch
Schulungsdauer: 1 Tag
Ziele
In dieser "Whiteboard Design Session" arbeiten die Teilnehmer gemeinsam daran, eine Lösung zu entwerfen und zu implementieren, die Azure Databricks mit Azure Machine Learning Service kombiniert, um die Modelle für maschinelles Lernen und Deep Learning zu entwickeln, zu trainieren und einzusetzen.
Sie erfahren, wie sie automatisiertes maschinelles Lernen, Model Lifecycle Management von Training bis Deployment, in Batch- und Echtzeit-Inferenzierungsszenarien einsetzen und Deep Learning-Modelle für Natural Language Processing (NLP) in der Textklassifizierung und -prognose anhand von Zeitreihendaten erstellen. Ein weiteres Thema dieses Kurses ist der Abgleich von Daten mithilfe von PyTorch und Keras, um ein Deep Learning zu ermöglichen.
Zielgruppe
Dieser Workshop richtet sich an Cloud-Architekten und IT-Profis, die über architektonische Expertise im Bereich Infrastruktur- und Lösungsdesign in Cloud-Technologien verfügen und mehr über Azure und Azure-Dienste erfahren möchten.
Voraussetzungen
Die Teilnehmer sollten auch mit anderen Nicht-Microsoft-Cloud-Technologien vertraut sein.
Agenda
Whiteboard Design Session - Maschinelles Lernen
- Überprüfung der Kundenfallstudie
- Entwurf einer Proof-of-Concept-Lösung
- Präsentation der Lösung
Praktisches Training - Maschinelles Lernen
- Erstellung eines Prognosemodells mit automatisiertem maschinellen Lernen
- Verständnis des automatisierten ML-generierten Prognosemodells unter Verwendung der modelltechnischen Möglichkeiten
- Erstellung eines Deep Learning Model (RNN) für Zeitreihendaten und Registrierung des Modells
- Verwendung eines Prognosemodells zur Auswertung der Streaming-Telemetrie
- Erstellung eines Deep Learning Textklassifikationsmodells
Ziele
In dieser "Whiteboard Design Session" arbeiten die Teilnehmer gemeinsam daran, eine Lösung zu entwerfen und zu implementieren, die Azure Databricks mit Azure Machine Learning Service kombiniert, um die Modelle für maschinelles Lernen und Deep Learning zu entwickeln, zu trainieren und einzusetzen.
Sie erfahren, wie sie automatisiertes maschinelles Lernen, Model Lifecycle Management von Training bis Deployment, in Batch- und Echtzeit-Inferenzierungsszenarien einsetzen und Deep Learning-Modelle für Natural Language Processing (NLP) in der Textklassifizierung und -prognose anhand von Zeitreihendaten erstellen. Ein weiteres Thema dieses Kurses ist der Abgleich von Daten mithilfe von PyTorch und Keras, um ein Deep Learning zu ermöglichen.
Zielgruppe
Dieser Workshop richtet sich an Cloud-Architekten und IT-Profis, die über architektonische Expertise im Bereich Infrastruktur- und Lösungsdesign in Cloud-Technologien verfügen und mehr über Azure und Azure-Dienste erfahren möchten.
Voraussetzungen
Die Teilnehmer sollten auch mit anderen Nicht-Microsoft-Cloud-Technologien vertraut sein.
Agenda
Whiteboard Design Session - Maschinelles Lernen
- Überprüfung der Kundenfallstudie
- Entwurf einer Proof-of-Concept-Lösung
- Präsentation der Lösung
Praktisches Training - Maschinelles Lernen
- Erstellung eines Prognosemodells mit automatisiertem maschinellen Lernen
- Verständnis des automatisierten ML-generierten Prognosemodells unter Verwendung der modelltechnischen Möglichkeiten
- Erstellung eines Deep Learning Model (RNN) für Zeitreihendaten und Registrierung des Modells
- Verwendung eines Prognosemodells zur Auswertung der Streaming-Telemetrie
- Erstellung eines Deep Learning Textklassifikationsmodells