Nuestros cursos de DP-100 Designing and Implementing a Data Science Solution on Azure para empresas en Madrid se adaptan a los horarios y necesidades de formación de nuestros clientes. Tenemos una gran diversidad de cursos in company cuyos programas formativos se adaptan al mercado actual. Adicionalmente, nuestros cursos de Azure Fundamentals para empresas pueden ser subvencionados o bonificados a través de la Fundación Tripartita.
Tecnolearning ofrece gestionar todos los trámites necesarios para conseguir las subvenciones ofrecidas por la Fundación Tripartita de forma gratuita, bien sea por la contratación de un plan de formación completo o una acción formativa puntual.
- Objetivos del curso:
- Configurar un espacio de trabajo de Azure Machine Learning
- Ejecutar experimentos y entrenar modelos
- Optimizar y administrar modelos
- Implementar y consumir
Temario DP-100 Designing and Implementing a Data Science Solution on Azure – 20 HORAS
_____________________________________________________________________________________________________
- MÓDULO 1: INTRODUCCIÓN A AZURE MACHINE LEARNING
- Introducción a Azure Machine Learning
- Herramientas de Azure Machine Learning
- Laboratorio: Crear un espacio de trabajo de Azure Machine Learning
- Laboratorio: Trabajar con herramientas de Azure Machine Learning
- MÓDULO 2: APRENDIZAJE AUTOMÁTICO SIN CÓDIGO CON DESIGNER
- Modelos de capacitación con Designer
- Publicación de modelos con Designer
- Laboratorio: Crear una canalización (pipeline) de entrenamiento con Azure ML Designer
- Laboratorio: Implementación de un servicio con Azure ML Designer
- MÓDULO 3: EJECUCIÓN DE EXPERIMENTOS Y MODELOS DE ENTRENAMIENTO
- Introducción a los experimentos
- Formación y registro de modelos
- Laboratorio: Ejecución de experimentos
- Laboratorio: Modelos de entrenamiento y registro
- MÓDULO 4: TRABAJAR CON DATOS
- Trabajar con almacenes de datos
- Trabajar con conjuntos de datos
- Laboratorio: Trabajar con almacenes de datos
- Laboratorio: Trabajar con conjuntos de datos
- MÓDULO 5: CALCULAR CONTEXTOS
- Trabajar con entornos
- Trabajar con objetivos de cómputo
- Laboratorio: Trabajar con entornos
- Laboratorio: Trabajar con objetivos de cómputo
- MÓDULO 6: ORQUESTACIÓN DE OPERACIONES CON CANALIZACIONES
- Introducción de canalizaciones
- Publicación y ejecución de canalizaciones
- Laboratorio: Crear una canalización
- Laboratorio: Publicar una canalización
- MÓDULO 7: IMPLEMENTACIÓN Y CONSUMO DE MODELOS
- Inferencia en tiempo real
- Inferencia por lotes
- Laboratorio: Crear un servicio de inferencia en tiempo real
- Laboratorio: Crear un servicio de inferencia por lotes
- MÓDULO 8: ENTRENAMIENTO DE MODELOS ÓPTIMOS
- Ajuste de hiperparámetro
- Machine Learning automatizado
- Laboratorio: Hiperparámetros de ajuste
- Laboratorio: Usar el machine learning automatizado
- MÓDULO 9: INTERPRETAR MODELOS
- Introducción a la interpretación del modelo
- Usando explicaciones del modelo
- Laboratorio: Revisión de explicaciones automatizadas de machine learning
- Laboratorio: Interpretar modelos
- MÓDULO 10: MODELOS DE SUPERVISIÓN
- Modelos de monitorización con Application Insights
- Monitorización de deriva de datos
- Laboratorio: Monitorización de un modelo con Application Insights
- Laboratorio: Monitorización de deriva de datos
