Corso Designing and Implementing a Data Science Solution on Azure DP-100

Obiettivi | Certificazione | Contenuti | Tipologia | Prerequisiti | Durata e Frequenza | Docenti | Modalità di Iscrizione | Calendario

Certificazione Azure Data Scientist Associate

Il Corso DP-100 Designing and Implementing a Data Science Solution on Azure è un programma di formazione che si concentra sull’acquisizione delle competenze necessarie per progettare, sviluppare e implementare soluzioni di data science su Microsoft Azure. I partecipanti impareranno a utilizzare gli strumenti e i servizi offerti dalla piattaforma Azure per gestire, analizzare e ottenere informazioni da grandi quantità di dati.
Nel corso, i partecipanti saranno introdotti a una varietà di servizi e tecnologie cloud, tra cui Azure Machine Learning, Azure Databricks e Azure Synapse Analytics. Si imparerà a creare modelli di apprendimento automatico utilizzando il linguaggio di programmazione Python e a utilizzare le librerie di data science come scikit-learn, TensorFlow e PyTorch. Inoltre, i partecipanti acquisiranno competenze nella creazione e gestione di pipeline di data science, nell’ottimizzazione e monitoraggio dei modelli e nell’integrazione delle soluzioni con altre applicazioni e servizi Azure. Il corso è strutturato per includere sia lezioni teoriche che pratiche, permettendo ai partecipanti di applicare le conoscenze apprese attraverso esercitazioni, progetti e casi di studio. Questo approccio combinato assicura che i partecipanti abbiano una comprensione solida dei concetti teorici e siano in grado di mettere in pratica le competenze acquisite. Il corso contribuisce alla preparazione dell’esame di Certificazione Azure Data Scientist Associate.

Contattaci ora per ricevere tutti i dettagli e per richiedere, senza alcun impegno, di parlare direttamente con uno dei nostri Docenti (Clicca qui)
oppure chiamaci subito al nostro Numero Verde (800-177596)

Obiettivi del corso

Di seguito una sintesi degli obiettivi principali del Corso Designing and Implementing a Data Science Solution on Azure DP-100:

  • Utilizzare Azure Machine Learning e Azure Databricks.
  • Creare modelli di apprendimento automatico con Python.
  • Gestire pipeline di data science.
  • Ottimizzare e monitorare i modelli di data science.
  • Integrare soluzioni di data science con altre applicazioni e servizi Azure.

Certificazione del corso

Esame DP-100 Azure Data Scientist Associate; Questo esame valuta la capacità dei candidati di progettare e implementare soluzioni di data science su Microsoft Azure. Testa competenze nell’utilizzo di Azure Machine Learning e Azure Databricks, nonché nella creazione di modelli di apprendimento automatico con Python. Include anche la gestione di pipeline di data science, l’ottimizzazione e il monitoraggio dei modelli di apprendimento automatico. La conoscenza dell’integrazione delle soluzioni di data science con altre applicazioni e servizi Azure è anch’essa oggetto di valutazione.

Contenuti del corso

Design a machine learning solution

  • Determine the appropriate compute specifications for a training workload
  • Describe model deployment requirements
  • Select which development approach to use to build or train a model

Manage an Azure Machine Learning workspace

  • Create an Azure Machine Learning workspace
  • Manage a workspace by using developer tools for workspace interaction
  • Set up Git integration for source control
  • Create and manage registries

Manage data in an Azure Machine Learning workspace

  • Select Azure Storage resources
  • Register and maintain datastores
  • Create and manage data assets

Manage compute for experiments in Azure Machine Learning

  • Create compute targets for experiments and training
  • Select an environment for a machine learning use case
  • Configure attached compute resources, including Apache Spark pools
  • Monitor compute utilization

Explore data by using data assets and data stores

  • Access and wrangle data during interactive development
  • Wrangle interactive data with Apache Spark

Create models by using the Azure Machine Learning designer

  • Create a training pipeline
  • Consume data assets from the designer
  • Use custom code components in designer
  • Evaluate the model, including responsible AI guidelines

Use automated machine learning to explore optimal models

  • Use automated machine learning for tabular data
  • Use automated machine learning for computer vision
  • Use automated machine learning for natural language processing
  • Select and understand training options, including preprocessing and algorithms
  • Evaluate an automated machine learning run, including responsible AI guidelines

Use notebooks for custom model training

  • Develop code by using a compute instance
  • Track model training by using MLflow
  • Evaluate a model
  • Train a model by using Python SDKv2
  • Use the terminal to configure a compute instance

Tune hyperparameters with Azure Machine Learning

  • Select a sampling method
  • Define the search space
  • Define the primary metric
  • Define early termination options

Run model training scripts

  • Configure job run settings for a script
  • Configure compute for a job run
  • Consume data from a data asset in a job
  • Run a script as a job by using Azure Machine Learning
  • Use MLflow to log metrics from a job run
  • Use logs to troubleshoot job run errors
  • Configure an environment for a job run
  • Define parameters for a job

Implement training pipelines

  • Create a pipeline
  • Pass data between steps in a pipeline
  • Run and schedule a pipeline
  • Monitor pipeline runs
  • Create custom components
  • Use component-based pipelines

Manage models in Azure Machine Learning

  • Describe MLflow model output
  • Identify an appropriate framework to package a model
  • Assess a model by using responsible AI guidelines

Deploy a model

  • Configure settings for online deployment
  • Configure compute for a batch deployment
  • Deploy a model to an online endpoint
  • Deploy a model to a batch endpoint
  • Test an online deployed service
  • Invoke the batch endpoint to start a batch scoring job

Apply machine learning operations (MLOps) practices

  • Trigger an Azure Machine Learning job, including from Azure DevOps or GitHub
  • Automate model retraining based on new data additions or data changes
  • Define event-based retraining triggers

Tipologia

Corso di Formazione con Docente

Docenti

I docenti sono Istruttori Autorizzati Microsoft e in altre tecnologie IT, con anni di esperienza pratica nel settore e nella Formazione.

Infrastruttura laboratoriale

Per tutte le tipologie di erogazione, il Corsista può accedere alle attrezzature e ai sistemi presenti nei Nostri laboratori o direttamente presso i data center del Vendor o dei suoi provider autorizzati in modalità remota h24. Ogni partecipante dispone di un accesso per implementare le varie configurazioni avendo così un riscontro pratico e immediato della teoria affrontata. Ecco di seguito alcuni scenari tratti dalle attività laboratoriali:

Corso Designing and Implementing a Data Science Solution on Azure DP-100

Dettagli del corso

Prerequisiti

I partecipanti dovranno avere basi delle teorie Machine Learning attraverso uno dei seguenti framework Scikit-Learn, PyTorch, o TensorFlow, e basi di programmazione Python.

Durata del corso

  • Durata Intensiva 3gg;

Frequenza

Varie tipologie di Frequenza Estensiva ed Intensiva.

Date del corso

  • Corso Designing and Implementing a Data Science Solution on Azure (Formula Intensiva) – 01/07/2024 – 09:00 – 17:00

Modalità di iscrizione

Le iscrizioni sono a numero chiuso per garantire ai tutti i partecipanti un servizio eccellente.
L’iscrizione avviene richiedendo di essere contattati dal seguente Link, o contattando la sede al numero verde 800-177596 o inviando una richiesta all’email [email protected].