Maschinelles Lernen ist das Herzstück der künstlichen Intelligenz, und viele moderne Anwendungen und Dienste hängen von prädiktiven maschinellen Lernmodellen ab. Das Training eines maschinellen Lernmodells ist ein iterativer Prozess, der Zeit und Rechenressourcen erfordert. Automatisiertes maschinelles Lernen kann diesen Prozess vereinfachen. In diesem Kurs lernen Sie, wie Sie Azure Machine Learning nutzen, um Modelle zu erstellen und zu veröffentlichen, ohne Code schreiben zu müssen. Dies ist der zweite Kurs eines fünfteiligen Programms, das Sie auf die Prüfung DP-100 vorbereitet: Designing and Implementing a Data Science Solution on AzureZertifizierungsprüfung vorbereiten. Die Zertifizierungsprüfung ist eine Gelegenheit, Ihr Wissen und Ihre Erfahrung im Betrieb von maschinellen Lernlösungen im Cloud-Maßstab mit Azure Machine Learning nachzuweisen. In dieser Spezialisierung lernen Sie, Ihre vorhandenen Kenntnisse in Python und maschinellem Lernen zu nutzen, um die Datenaufnahme und -aufbereitung, die Modellschulung und -bereitstellung sowie die Überwachung von maschinellen Lernlösungen in Microsoft Azure zu verwalten. Jeder Kurs vermittelt Ihnen die Konzepte und Fähigkeiten, die in der Prüfung geprüft werden.

Diese Specializations richtet sich an Data Scientists mit vorhandenen Kenntnissen in Python und Machine Learning Frameworks wie Scikit-Learn, PyTorch und Tensorflow, die Machine Learning-Lösungen in der Cloud erstellen und betreiben möchten. Es lehrt Datenwissenschaftler, wie sie End-to-End-Lösungen in Microsoft Azure erstellen können. Die Teilnehmer lernen, wie man Azure-Ressourcen für maschinelles Lernen verwaltet, Experimente durchführt und Modelle trainiert, Lösungen für maschinelles Lernen einsetzt und operationalisiert und verantwortungsvolles maschinelles Lernen implementiert. Sie lernen auch, Azure Databricks zu verwenden, um Daten zu erforschen, aufzubereiten und zu modellieren, und Databricks Prozesse für maschinelles Lernen mit Azure Machine Learning zu integrieren.