Entwerfen und Implementieren einer Data Science-Lösung in Azure

Lernen Sie, wie man mit Azure Machine Learning Lösungen im Cloudmaßstab bedient. In diesem Kurs lernen Sie, Ihr vorhandenes Wissen über Python und maschinelles Lernen zu nutzen, um die Datenerfassung und -aufbereitung, die Modellschulung und -bereitstellung sowie die Überwachung von Lösungen für maschinelles Lernen mit Azure Machine Learning und MLflow zu verwalten.

Inhalt

Erkunden und Konfigurieren des Azure Machine Learning-Arbeitsbereichs

Erkunden der Ressourcen und Objekte des Azure Machine Learning-Arbeitsbereichs
Erkunden von Entwicklertools für die Interaktion mit dem Arbeitsbereich
Verfügbarmachen von Daten in Azure Machine Learning
Arbeiten mit Computezielen in Azure Machine Learning
Verwenden von Umgebungen in Azure Machine Learning

Mit Azure Machine Learning experimentieren

Ermitteln des besten Klassifizierungsmodells mit automatisiertem maschinellem Lernen
Nachverfolgen des Modelltrainings in Jupyter-Notebooks mit MLflow

Optimieren Sie das Modelltraining mit Azure Machine Learning

Ausführen eines Trainingsskripts als Befehlsauftrag in Azure Machine Learning
Nachverfolgen des Modelltrainings mit MLflow in Aufträgen
Durchführen der Hyperparameteroptimierung mit Azure Machine Learning
Ausführen von Pipelines in Azure Machine Learning

Verwalten und Überprüfen von Modellen in Azure Machine Learning

Registrieren eines MLflow-Modells in Azure Machine Learning
Erstellen und Erkunden des Dashboards für verantwortungsvolle KI für ein Modell in Azure Machine Learning

Bereitstellen und Nutzen von Modellen mit Azure Machine Learning

Bereitstellen eines Modells auf einem verwalteten Onlineendpunkt
Bereitstellen eines Modells an einem Batchendpunkt

Entwickeln von generativen KI-Apps in Azure

Planen und Vorbereiten der Entwicklung von KI-Lösungen in Azure
Auswählen und Bereitstellen von Modellen aus dem Modellkatalog im Azure AI Foundry-Portal
Entwickeln einer KI-App mit dem Azure AI Foundry SDK
Erste Schritte mit Prompt Flow zum Entwickeln von Sprachmodell-Apps in Azure KI Foundry
Entwickeln einer RAG-basierten Lösung mit Ihren eigenen Daten mithilfe von Azure AI Foundry
Optimieren eines Sprachmodells mit Azure KI Foundry
Implementieren einer verantwortungsvollen generativen KI-Lösung in Azure AI Foundry
Bewertung der generativen KI-Leistung im Azure AI Foundry-Portal

Voraussetzungen

Azure-Grundkenntnisse
Verständnis für Data Science einschließlich der Vorbereitung von Daten und des Trainings von Maschinenlernmodellen wie Scikit-Learn, PyTorch oder Tensorflow
Programmierkenntnisse in Python und Verwendung von Bibliotheken wie Numpy, Pandas und Matplotlib

Zielgruppe

Dieser Kurs richtet sich an Datenwissenschaftler mit bereits vorhandenen Kenntnissen über Python und Frameworks für maschinelles Lernen wie ScikitLearn, PyTorch und Tensorflow, die maschinelle Lernlösungen in der Cloud erstellen und betreiben wollen.