آمادگی برای آزمون گواهینامه DP-100 Microsoft Azure Data Scientist (DS)

آنچه یاد خواهید گرفت:

• راه‌اندازی و ناوبری فضاهای کاری یادگیری ماشین آژور
• ساخت، آموزش و استقرار مدل‌های یادگیری ماشین با استفاده از Azure ML Designer و SDK
• خودکارسازی گردش‌کارهای یادگیری ماشین با استفاده از AutoML و Hyperdrive
• استقرار پایپ‌لاین‌های استنتاج دسته‌ای و بلادرنگ
• بهینه‌سازی هایپرپارامترها و مدیریت سرویس‌های یادگیری ماشین در مقیاس تولید

پیش‌نیازهای دوره

• درک اولیه از مفاهیم یادگیری ماشین - آشنایی با برنامه‌نویسی پایتون - دسترسی به حساب آژور برای تمرین‌های عملی

توضیحات دوره

بررسی دوره

این دوره به‌ منظور آمادگی شما برای آزمون گواهینامه DP-100 Microsoft Azure Data Scientist Certification طراحی شده است. این دوره تمام مباحث حیاتی مورد نیاز برای طراحی و پیاده‌سازی راه‌حل‌های یادگیری ماشین با استفاده از یادگیری ماشین آژور را پوشش می‌دهد. شما از طریق پروژه‌های عملی و دروس عمیق، تجربه‌ عملی به دست می‌آورید و به اعتماد به نفس برای مواجهه با چالش‌های واقعی و قبولی در آزمون این گواهینامه می‌رسید.

بخش 1 - مقدمه

این بخش دوره را معرفی کرده، اهداف آن را ترسیم کرده و الزامات این آزمون را شرح می‌دهد. این بخش با آشنا کردن دانشجویان با آنچه که آنها به دست خواهند آورد و مهارت‌هایی که کسب خواهند کرد، زمینه را آماده می‌کند.

بخش 2 - ایجاد فضای کاری یادگیری ماشین آژور

شما یاد می‌گیرید که چگونه فضای کاری یادگیری ماشین آژور را ایجاد کنید، تنظیمات آن را مدیریت کنید و پورتال آژور و ML Studio را ناوبری کنید. این دانش پایه‌ای اطمینان می‌دهد که برای کار در محیط یادگیری ماشین آژور آماده‌اید.

بخش 3 - فضای کاری یادگیری آژور

شما ذخیره‌سازی داده و مدیریت مجموعه‌ داده‌ در یادگیری ماشین آژور را بررسی می‌کنید و یاد می‌گیرید چگونه مجموعه داده‌ها را ایجاد و مدیریت کرده و داده‌ را برای تست‌ها و پایپ‌لاین‌های یادگیری ماشین آماده کنید.

بخش 4 - مدیریت کانتکس رایانش تست

درک نمونه‌های رایانش و خوشه‌ها برای اجرای تست‌ها ضروری است. این بخش نحوه‌ راه‌اندازی و مدیریت اهداف رایانش را برای بهینه‌سازی استفاده از منابع و سرعت اجرای کارها توضیح می‌دهد.

بخش 5 - استفاده از یادگیری ماشین آژور

شما اولین پایپ‌لاین یادگیری ماشین خود را ایجاد کرده و آن را برای اجرا ارسال می‌کنید. شما به کدنویسی سفارشی، مدیریت خطا و بررسی ماژول‌های Azure ML Designer برای ساخت پایپ‌لاین‌های قوی می‌پردازید.

بخش 6 - تجربه یادگیری ماشین آژور

شما با SDK Azure شروع به کار کرده، فضای کاری خود را به‌صورت برنامه‌‌ای راه‌اندازی کرده و برنامه‌های ساده پایتون ایجاد می‌کنید. شما یاد می‌گیرید که چگونه Azures SDK تسک‌های یادگیری ماشین را تسهیل می‌کند.

بخش 7 - اجرای آموزش در محیط یادگیری ماشین آژور

شما از SDK برای آموزش مدل‌ها، ارسال تست‌ها و ایجاد پایپ‌لاین‌های پیچیده استفاده می‌کنید. این بخش روی آموزش عملی و تکنیک‌های اتوماسیون برای گردش‌کارهای کارآمد تمرکز دارد.

بخش 8 - خودکارسازی یادگیری ماشین برای ایجاد مدل‌های بهینه

شما به Azure AutoML برای خودکارسازی انتخاب مدل، تیونینگ و استقرار مسلط شده و یاد می‌گیرید چگونه با SDK از AutoML برای دستیابی به نتایج بهینه با حداقل تلاش استفاده کنید.

بخش 9 - استفاده از Hyperdrive برای تیونینگ هایپرپارامترها

شما Hyperdrive، ابزار تیونینگ هایپرپارامترهای آژور را بررسی می‌کنید. شما یاد می‌گیرید چگونه مدل‌های آموزش‌ دیده را رجیستر کرده، اهداف رایانش تولید را مدیریت کرده و عملکرد مدل را به‌طور کارآمد بهینه‌سازی کنید.

بخش 10 - استقرار مدل به‌ عنوان یک سرویس

شما مدل‌ها را برای استنتاج بلادرنگ یا پردازش دسته‌ای مستقر می‌کنید. شما در ایجاد اندپوینت‌ها، استقرار مدل‌های مبتنی بر SDK و انتشار پایپ‌لاین‌ها برای تسک‌های مقیاس بزرگ، تخصص کسب می‌کنید.

بخش 11 - نتیجه‌گیری

شما دوره را با جمع‌بندی نکات کلیدی به پایان می‌رسانید و گام‌های بعدی ممکن در سفر خود در یادگیری ماشین آژور شامل گواهینامه یا پروژه‌های پیشرفته واقعی را مورد بحث قرار می‌دهید.

این دوره شما را با مهارت‌های لازم برای استفاده موثر از یادگیری ماشین آژور در ساخت، آموزش و استقرار مدل‌های یادگیری ماشین مجهز می‌کند. چه شما یک مبتدی باشید و چه یک حرفه‌ای باتجربه در داده، پروژه‌های عملی و دروس عمیق دوره به شما اطمینان می‌دهد که برای مواجهه با چالش‌های یادگیری ماشین با جعبه ابزار قدرتمند آژور آماده‌اید.

این دوره برای چه کسانی مناسب است؟

• دانشمندان داده و مهندسان مشتاق یادگیری ماشین - متخصصانی که به‌دنبال پیاده‌سازی یادگیری ماشین در محیط‌های تولید هستند.
• دانشجویانی که برای دریافت گواهینامه‌های Azure ML آماده می‌شوند.
• توسعه‌دهندگانی که به کار با گردش‌کارهای یادگیری ماشین با استفاده از ابزارهای آژور منتقل می‌شوند.