概述

升級至 Microsoft 認證:Azure 資料科學家助理。

學習如何利用 Azure 機器學習在雲端規模操作機器學習解決方案。這門 DP-100T01:設計與實施 Azure 上資料科學解決方案課程,教你如何運用現有的 Python 與機器學習知識,管理資料擷取與準備、模型訓練與部署,以及使用 Azure 機器學習與機器學習流程監控機器學習解決方案。

提升你的技能,並以 Yayasan Peneraju 融資計畫的全球認可認證脫穎而出——該計畫符合馬來西亞土著資格。

為什麼選擇 KORNERSTONE

  • 經認證、由實務人員主導的專家證書培訓師,提供高品質的培訓
  • 官方訓練資料包含
  • 實務、情境導向學習——著重應用,而非僅理論
  • 優秀的通過率

涵蓋技能

  • 管理 Azure 機器學習
  • 資源

  • 進行實驗並訓練模型
  • 部署並執行機器學習解決方案
  • 實施負責任的機器學習

先決條件

成功的 Azure 資料科學家從此角色開始時,具備雲端運算概念的基礎知識,以及一般資料科學與機器學習工具與技術的經驗。

具體來說:

  • 在 Microsoft Azure 中建立雲端資源。
  • 使用 Python 探索與視覺化資料。
  • 使用常見框架如 Scikit-Learn、PyTorch 和 TensorFlow 訓練與驗證機器學習模型。

如果你對資料科學與機器學習完全陌生,請先完成 Azure 人工智慧導論 。

目標受眾

此 Azure 認證課程 專為具備 Python 及機器學習框架知識(如 Scikit-Learn、PyTorch 與 Tensorflow)的資料科學家設計,協助他們在雲端建構與操作機器學習解決方案。

此 Microsoft 官方課程為學生準備 Microsoft 認證:Azure 資料科學家助理 認證。

相關的 DP-100 考試評估你完成以下技術任務的能力:管理 Azure 機器學習資源;執行實驗與訓練模型;部署並執行機器學習解決方案;以及實施負責任的機器學習。

培訓大綱

模組一:為機器學習專案設計資料擷取策略

學習如何設計用於機器學習專案訓練資料的資料擷取解決方案。

學習目標

在本單元中,您將學習如何:

  • 識別您的資料來源與格式
  • 選擇如何將資料提供給機器學習工作流程 設計
  • 資料擷取解決方案

先決條件

  • 無

模組二:設計機器學習模型訓練解決方案

學習如何設計機器學習專案的模型訓練解決方案。

學習目標

在本單元中,你將學習如何:

  • 識別機器學習任務
  • 選擇服務來訓練模型
  • 選擇計算選項

模組三:設計模型部署解決方案

學習如何設計模型部署解決方案,以及部署模型的需求如何影響你訓練模型的方式。

學習目標

在本單元中,你將學習如何:

  • 了解模型將如何被消費。
  • 決定是部署你的模型到即時端點還是批次端點。

模組 4:探索 Azure 機器學習工作空間的資源與資產

作為資料科學家,你可以使用 Azure Machine Learning 來訓練和管理你的機器學習模型。了解 Azure Machine Learning 是什麼,並熟悉其所有資源與資產。

學習目標

在本單元中,您將學習如何:

  • 建立 Azure 機器學習工作空間。
  • 識別資源與資產。
  • 在工作空間中訓練模型。

模組 5:探索開發者工具以進行工作空間互動

了解如何與 Azure 機器學習工作區互動。你可以使用 Azure Machine Learning Studio、Python SDK (v2) 或 Azure CLI(v2)。

學習目標

在本模組中,您將學習如何使用及何時使用:

  • Azure Machine Learning Studio。
  • Python 軟體開發套件(SDK)。
  • Azure 命令列介面(CLI)。

模組 6:讓資料在 Azure 機器學習中可用

了解如何連接 Azure 機器學習工作區的資料。你將介紹資料儲存庫與資料資產。

學習目標

在本單元中,您將學習如何:

  • 使用統一資源識別碼(URI)。
  • 建立並使用資料儲存庫。
  • 建立並使用資料資產。

模組 7:在 Azure 機器學習中操作計算目標

學習如何在 Azure 機器學習中操作運算目標。計算目標讓你能執行機器學習工作負載。探索何時以及如何使用運算實例或運算叢集。

學習目標

在本單元中,你將學習如何:

  • 選擇合適的計算目標。
  • 建立並使用計算實例。
  • 建立並使用計算叢集。

先決條件

無

模組 8:在 Azure 機器學習中與環境合作

學習如何在 Azure Machine Learning 中使用環境,在任何計算目標上執行腳本。

學習目標

在本單元中,你將學習如何:

  • 理解 Azure 機器學習中的環境。
  • 探索並使用精心策劃的環境。
  • 建立並使用自訂環境

模組 9:利用自動化機器學習尋找最佳分類模型

學習如何利用自動化機器學習(AutoML)找到最佳分類模型。你會使用 Python SDK (v2) 來配置並執行 AutoML 工作。

學習目標

在本單元中,你將學習如何:

  • 準備你的資料以使用 AutoML 進行分類。
  • 配置並執行 AutoML 實驗。
  • 評估與比較模型。

先決條件

無

模組 10:使用 MLflow 在 Jupyter 筆記本中追蹤模型訓練

學習如何在筆記本中進行模型追蹤。

學習目標

在本模組中,你將學習如何:

  • 設定在筆記本
  • 中使用

  • MLflow 在筆記本中使用 MLflow 進行模型追蹤

模組 11:在 Azure 機器學習中執行訓練腳本作為指令工作

學習如何將程式碼轉換成腳本,並在 Azure Machine Learning 中執行指令工作。

學習目標

在本單元中,你將學習如何:

  • 將筆記本轉換成腳本。
  • 在

  • 終端機中測試腳本。
  • 將腳本作為指令工作執行。
  • 在指令工作

中使用參數

模組 12:工作中使用 MLflow 追蹤模型訓練

學習如何在執行腳本時用 MLflow 追蹤工作中的模型訓練。

學習目標

在這個模組中,你將學習如何:

  • 當你執行腳本作為工作時,如何使用 MLflow。
  • 回顧執行時的指標、參數、工件和模型。

先決條件

無

模組 13:在 Azure 機器學習中運行管線

學習如何在 Azure 機器學習中建立並使用元件來建立管線。執行並排程 Azure 機器學習管線,自動化機器學習工作流程。

學習目標

在本模組中,你將學習如何:

  • 建立元件。
  • 建立 Azure 機器學習管線。
  • 運行 Azure 機器學習管線。

模組 14:使用 Azure 機器學習執行超參數調校

學習如何在 Azure Machine Learning 中使用 sweep 工作進行超參數調整。

學習目標

在本模組中,您將學習如何:

  • 定義超參數搜尋空間。
  • 設定超參數取樣。
  • 選擇提前終止政策。
  • 執行掃描工作。

模組 15:將模型部署到受管理的線上端點

學習如何將模型部署到受管理的線上端點進行即時推論。

學習目標

在本單元中,您將學習如何:

  • 使用受管線上端點。
  • 將您的 MLflow 模型部署到受管線上端點。
  • 將自訂模型部署到受管線上端點。
  • 測試線上端點。

模組 16:將模型部署到批次端點

學習如何將模型部署到批次端點。當你呼叫批次端點時,會觸發批次評分工作。

學習目標

在本單元中,你將學習如何:

  • 建立批次端點。
  • 將你的 MLflow 模型部署到批次端點。
  • 將自訂模型部署到批次端點。
  • 呼叫批次端點。

讓我們為你努力

找不到合適的日期? 需要訓練整個團隊嗎? 想找折扣嗎?
今天就與我們的培訓顧問聯繫。

日期與地點

考試與認證

Microsoft 認證:Azure 資料科學家助理。

Azure 資料科學家助理認證證明你具備在 Microsoft Azure 上實作及執行機器學習工作負載的專業知識。你通過 DP-100 考試:設計與實作 Azure 上的資料科學解決方案即可獲得此認證。

你的職責包括規劃並打造適合 Azure 上資料科學工作負載的工作環境,並執行資料實驗及訓練預測模型。此外,你還負責管理、優化並部署機器學習模型到生產環境。