Azure Machine Learning

• Doświadczenie z platformą chmurową Azure

Publiczność

• Naukowcy zajmujący się danymi

Azure Machine Learning to oparta na chmurze platforma do tworzenia, szkolenia i wdrażania modeli uczenia maszynowego. Azure Machine Learning zapewnia użytkownikom możliwość tworzenia rozwiązań uczenia maszynowego bez jednej linii kodu.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą używać Azure Machine Learning do tworzenia kompleksowych modeli uczenia maszynowego do analizy predykcyjnej.

Pod koniec tego szkolenia uczestnicy będą mogli

• Budować modele uczenia maszynowego z zerowym doświadczeniem programistycznym.
• Tworzyć algorytmy predykcyjne z Azure Machine Learning.
• Wdrażać gotowe do produkcji algorytmy uczenia maszynowego.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

Wprowadzenie

Przegląd Azure Machine Learning

• Czym jest Azure Machine Learning?
• Funkcje uczenia maszynowego Azure
• Architektura Azure Machine Learning

Przygotowanie Machine Learning środowiska operacyjnego

• Konfigurowanie Azure Machine Learning środowiska laboratoryjnego

Przetwarzanie danych

• Importowanie i rozpakowywanie danych i zestawów danych
• Przekształcanie i czyszczenie danych
• Oddzielanie danych szkoleniowych i testowych

Klasyfikacje i regresje

• Tworzenie modeli binarnych i wielobinarnych
• Praca z modelami regresji
• Dostrajanie hiperparametrów i parametrów
• Wdrażanie analizy predykcyjnej i analizy wpływu
• Tworzenie drzew decyzyjnych i lasów decyzyjnych

Klasteryzacja

• Wdrażanie analizy klastrów

NLP

• Wyróżnianie i etykietowanie danych
• Korzystanie z analizy tekstu

Systemy rekomendacji

• Praca z modelami rekomendacji Matchbox

Wdrażanie

• Tworzenie, udostępnianie i korzystanie z usług sieciowych modeli uczenia maszynowego

Podsumowanie i wnioski