Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel
Empfohlene Erfahrung
Empfohlene Erfahrung
Stufe „Mittel“
Eine solide Grundlage in ML-Konzepten, Python und Azure-Diensten ist für den Erfolg bei der Entwicklung und Implementierung von ML-Lösungen in der Cloud unerlässlich.
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel
Empfohlene Erfahrung
Empfohlene Erfahrung
Stufe „Mittel“
Eine solide Grundlage in ML-Konzepten, Python und Azure-Diensten ist für den Erfolg bei der Entwicklung und Implementierung von ML-Lösungen in der Cloud unerlässlich.
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage
In diesem Kurs gibt es 3 Module
Willkommen bei Azure ML: Entwurf und Vorbereitung von Lösungen für maschinelles Lernen Dieser Kurs vermittelt umfassende Grundlagen in Datenwissenschaft und maschinellem Lernen und stattet die Teilnehmer mit grundlegenden Kenntnissen über die wichtigsten ML-Prinzipien, Datenmanagement und reale Anwendungen aus. Die Teilnehmer werden sich mit der Verwaltung von Umgebungen für maschinelles Lernen und Daten-Workflows in Azure befassen und praktische Erfahrungen mit Azure Data Factory, Synapse Analytics und Azure ML SDK (v2) sammeln, um die Abläufe im ML-Lebenszyklus zu optimieren. Darüber hinaus deckt der Kurs das Design von End-to-End-ML-Lösungen und MLOps-Architekturen ab und gewährleistet eine effektive Bereitstellung von Modellen, Überwachung und Umschulungsstrategien mit Apache Spark und skalierbaren Workflows. Die Teilnehmer werden in die Lage versetzt, optimale Dienste und Rechenoptionen auszuwählen, zwischen der Bereitstellung von Echtzeit- und Batch-Modellen zu unterscheiden und Azure ML-Umgebungen effektiv zu organisieren. Dieser Kurs ist in drei Module unterteilt, die jeweils strukturierte Lektionen und Videovorträge enthalten, um das Verständnis zu verbessern. Die Teilnehmer werden ca. 3:00-4:00 Stunden videobasierten Unterricht erhalten, der sowohl theoretische Einblicke als auch praktisches Wissen vermittelt. Zur Vertiefung des Gelernten sind in jedem Modul benotete und unbenotete Aufgaben enthalten, anhand derer die Teilnehmer ihr Verständnis und ihre Anwendung der Schlüsselkonzepte überprüfen können. Modul 1: Erste Schritte mit Microsoft Data Analytics Modul 2: Vorbereitung einer Lösung für maschinelles Lernen Modul 3: Entwurf einer Lösung für maschinelles Lernen Am Ende dieses Kurses werden Sie in der Lage sein, die Kernkonzepte der Datenwissenschaft, des Maschinellen Lernens und die Rolle eines Datenwissenschaftlers zu verstehen.
Sie lernen verschiedene Arten des maschinellen Lernens und ihre realen Anwendungen kennen. Sie lernen wichtige Datenaspekte, gängige ML-Terminologie und statistische Grundlagen kennen, die für die Modellierung unerlässlich sind. Sie erhalten Einblicke in verschiedene Modelle des maschinellen Lernens und erfahren, wie Sie geeignete Lösungen auswählen. Dieser Kurs richtet sich an Data Scientists, Data Analysts, ML Engineers und ML Associates, die hauptsächlich mit der Microsoft Azure Cloud Platform gearbeitet haben
Dieser Kurs vermittelt ein umfassendes Verständnis der Datenwissenschaft und des Maschinellen Lernens, wobei der Schwerpunkt auf den wesentlichen Konzepten und ihren Anwendungen liegt. Der Schwerpunkt liegt auf den grundlegenden Prinzipien der Datenanalyse, der statistischen Modellierung und des Maschinellen Lernens, um eine solide Grundlage für die praktische Umsetzung zu schaffen. Die Teilnehmer erhalten wertvolle Einblicke in verschiedene Arten des Maschinellen Lernens, reale Anwendungsfälle und bewährte Verfahren zur Auswahl geeigneter Modelle. Der Kurs deckt auch die Schlüsselterminologie des maschinellen Lernens, die Datenvorverarbeitung und die statistischen Grundlagen ab, die für den Aufbau robuster Lösungen erforderlich sind, und bereitet die Lernenden sowohl auf die theoretische Bewertung als auch auf praktische Projekte vor.
Das ist alles enthalten
12 Videos2 Lektüren2 Aufgaben1 Diskussionsthema
Infos zu Modulinhalt anzeigen
12 Videos•Insgesamt 87 Minuten
Einführung in die DP-100-Zertifizierung•5 Minuten
Prüfung Übersicht•6 Minuten
Datenwissenschaft und Datenwissenschaftler - Überblick•6 Minuten
Data Scientist Skills - Überblick•6 Minuten
Prozesse der Datenwissenschaft - Überblick•6 Minuten
Lösungen für Maschinelles Lernen für Datenwissenschaftler•8 Minuten
Was ist maschinelles Lernen?•8 Minuten
Arten von maschinellem Lernen•8 Minuten
Erforschung verschiedener Datenaspekte beim Maschinellen Lernen•8 Minuten
Gemeinsame Terminologie für Maschinelles Lernen•8 Minuten
Grundlegende Aspekte der Statistik•8 Minuten
Modelle für maschinelles Lernen•10 Minuten
2 Lektüren•Insgesamt 60 Minuten
Willkommen zum Kurs•30 Minuten
Erste Schritte mit Microsoft Data Analytics - Überblick•30 Minuten
2 Aufgaben•Insgesamt 70 Minuten
Grundlagen der Datenwissenschaft und des Maschinellen Lernens - Praxisaufgabe•30 Minuten
Erste Schritte mit Microsoft Data Analytics - Benotete Zuweisung•40 Minuten
1 Diskussionsthema•Insgesamt 20 Minuten
Treffen & Begrüßung•20 Minuten
Eine Lösung für Maschinelles Lernen vorbereiten
Modul 2•2 Stunden abzuschließen
Moduldetails
Dieser Kurs vermittelt ein umfassendes Verständnis für die Verwaltung und Nutzung von Datensätzen in Azure ML Workflows mit Azure Data Factory und Synapse Analytics. Der Schwerpunkt liegt auf den Grundsätzen der Konfiguration und Verwaltung von Azure Machine Learning-Umgebungen über die CLI und das SDK (v2), um eine nahtlose Integration und Automatisierung zu gewährleisten. Die Teilnehmer lernen Techniken für die gemeinsame Nutzung von Assets in verschiedenen Workspaces, die Optimierung der Skalierbarkeit mit Registries und den Entwurf effizienter ML-Workflows kennen. Darüber hinaus befasst sich der Kurs mit der Überwachung, Umschulung und Skalierung von ML-Modellen mithilfe von Apache Spark und MLOps-Praktiken und stärkt die Best Practices für das Lifecycle-Management in Produktionsumgebungen.
Das ist alles enthalten
7 Videos1 Lektüre2 Aufgaben
Infos zu Modulinhalt anzeigen
7 Videos•Insgesamt 48 Minuten
Datensätze in Azure Data Factory und Azure Synapse Analytics•4 Minuten
Verwalten von Azure Machine Learning-Umgebungen mit dem CLI & SDK (v2)•8 Minuten
Verwalten von Umgebungen für Maschinelles Lernen in Azure mit dem SDK (v2)•7 Minuten
Gemeinsame Nutzung von Assets in verschiedenen Arbeitsbereichen mit Hilfe von Registern•7 Minuten
Design für die Überwachung•6 Minuten
Design für Umschulung•6 Minuten
Apache Spark in Azure Maschinelles Lernen•9 Minuten
1 Lektüre•Insgesamt 30 Minuten
Vorbereiten einer Lösung für Maschinelles Lernen - Überblick•30 Minuten
2 Aufgaben•Insgesamt 60 Minuten
Verwalten von Umgebungen für Maschinelles Lernen und Daten-Workflows in Azure - Praxisaufgabe•30 Minuten
Vorbereiten einer Lösung für Maschinelles Lernen - Benotete Aufgabenstellung•30 Minuten
Entwurf einer Lösung für Maschinelles Lernen
Modul 3•3 Stunden abzuschließen
Moduldetails
Dieser Kurs bietet einen tiefen Einblick in die Identifizierung geeigneter Datenquellen, Formate und Ingestion-Strategien für Projekte des Maschinellen Lernens in Azure und gewährleistet eine effiziente Datenverarbeitung. Der Schwerpunkt liegt auf den Grundsätzen der Auswahl der richtigen Services und Rechenoptionen für das Training von Modellen, der Optimierung der Leistung und der Skalierbarkeit. Die Teilnehmer erlangen Fachwissen über die Unterscheidung zwischen Echtzeit- und Batch-Bereitstellungsstrategien auf der Grundlage der Nutzungsanforderungen, was fundierte Architekturentscheidungen ermöglicht. Darüber hinaus befasst sich der Kurs mit den Best Practices für MLOps und führt die Teilnehmer durch den Entwurf und die Implementierung skalierbarer Workflows und einer effektiven Organisation der Azure ML-Umgebung, um eine nahtlose Integration und ein Lifecycle-Management sicherzustellen.
Das ist alles enthalten
12 Videos1 Lektüre2 Aufgaben
Infos zu Modulinhalt anzeigen
12 Videos•Insgesamt 76 Minuten
Identifizieren Sie Datenquelle und -format•7 Minuten
Bereitstellung von Daten für das Training von Modellen des Maschinellen Lernens•4 Minuten
Entwerfen Sie eine Dateneingabestrategie für Projekte des Maschinellen Lernens•6 Minuten
Aufgaben des Maschinellen Lernens identifizieren•5 Minuten
Auswahl eines Dienstes für das Training eines ML-Modells•6 Minuten
Entscheidung zwischen verschiedenen Berechnungsoptionen•7 Minuten
Verständnis des Modellverbrauchs•6 Minuten
Entscheiden Sie sich für Echtzeit- oder Batch-Bereitstellung•7 Minuten
Erkunden Sie die MLOps-Architektur•7 Minuten
Organisieren von Umgebungen für Maschinelles Lernen in Azure•7 Minuten
Entwurf einer MLOPs-Architektur•7 Minuten
Prüfungstipps•6 Minuten
1 Lektüre•Insgesamt 30 Minuten
Entwurf einer Lösung für Maschinelles Lernen - Überblick•30 Minuten
2 Aufgaben•Insgesamt 70 Minuten
Konfigurieren von Zusammenarbeit und Kommunikation - Übungsaufgabe•30 Minuten
Entwurf einer Lösung für Maschinelles Lernen - benotete Aufgabe•40 Minuten
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Whizlabs bietet seit dem Jahr 2000 Zertifizierungsschulungen an und ist der Pionier unter den Online-Schulungsanbietern auf der ganzen Welt. Wir bieten Ihnen Zertifizierungsschulungen in Form von Videokursen, Praxistests, praktischen Übungen und Sandbox in verschiedenen Disziplinen wie Cloud Computing, DevOps, Cybersicherheit, Java, Big Data, Snowflake, CompTIA, Agile, Linux, CCNA, Blockchain und vielem mehr
Wann werde ich Zugang zu den Vorlesungen und Aufgaben haben?
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich mich für diese Specialization einschreibe?
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.
Ist finanzielle Hilfe verfügbar?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.