Entwerfen und Implementieren einer Data Scientist Lösung unter Azure (DP-100T01)

• Vorbereiten der Entwicklung von KI-Lösungen in Azure
• Erstellen und Nutzen von Azure KI-Services
• Sichern von Azure KI-Services
• Überwachen von Azure KI-Services'
• Bereitstellen von Azure KI-Services in Containern
• Analysieren von Bildern
• Klassifizieren von Bildern
• Erkennen, Analysieren und Identifizieren von Gesichtern
• Lesen von Text in Bildern und Dokumenten mit dem Azure KI Vision-Dienst
• Analysieren von Videos
• Analysieren von Text mit Azure KI Language
• Erstellen einer Lösung für die Funktion „Fragen und Antworten“
• Erstellen eines Conversational Language Understanding-Modells
• Erstellen einer Lösung für die benutzerdefinierte Textklassifizierung
• Entwurf einer Strategie zur Datenaufnahme für Projekte des maschinellen Lernens
• Entwurf einer Lösung für das Training von Modellen für maschinelles Lernen
• Entwerfen einer Lösung für die Bereitstellung von Modellen
• Erkunden Sie die Ressourcen und Assets des Azure Machine Learning-Arbeitsbereichs
• Entwicklertools für die Interaktion im Arbeitsbereich erkunden
• Daten in Azure Machine Learning verfügbar machen
• Arbeit mit Berechnungszielen in Azure Machine Learning
• Arbeit mit Umgebungen in Azure Machine Learning
• Finden Sie das beste Klassifizierungsmodell mit automatisiertem maschinellem Lernen
• Modelltraining in Jupyter-Notebooks mit MLflow verfolgen
• Ausführen eines Trainingsskripts als Befehlsauftrag in Azure Machine Learning
• Modelltraining mit MLflow in Aufträgen verfolgen
• Ausführen von Pipelines in Azure Machine Learning
• Hyperparameter-Abstimmung mit Azure Machine Learning durchführen
• Bereitstellen eines Modells auf einem verwalteten Online-Endpunkt
• Bereitstellen eines Modells für einen Batch-Endpunkt

Erfolgreiche Azure Data Scientists beginnen ihre Tätigkeit mit grundlegenden Kenntnissen über Cloud-Computing-Konzepte und Erfahrung mit allgemeinen Data Science- und Machine Learning-Tools und -Techniken. Dazu gehören konkret:

• Erstellen von Cloud-Ressourcen in Microsoft Azure
• Verwendung von Python zur Erforschung und Visualisierung von Daten'
• Training und Validierung von Machine-Learning-Modellen mit gängigen Frameworks wie Scikit-Learn, PyTorch und TensorFlow
• Arbeiten mit Containern

Um diese Grundkenntnisse zu erwerben, sollten Sie vor der Teilnahme am Kurs die folgende kostenlose Online-Schulung absolvieren:

• Erkunden von Microsoft Cloud-Konzepten
• Erstellen von Modellen für maschinelles Lernen
• Verwalten von Containern in Azure

Wenn Sie völlig neu im Bereich Data Science und maschinelles Lernen sind, sollten Sie zunächst den Kurs Microsoft Azure AI Fundamentals absolvieren.

Live-Online-Seminar (blended learning) – Lernen Sie live und interaktiv in kleinen Lerngruppen einfach im Büro oder von zu Hause aus. Unsere versierten Online-Trainer vermitteln auf anschauliche Weise praxiserprobtes Wissen und bieten Ihnen echte Impulse für Ihr Berufsleben – inkl. gemeinsamer Live-Diskussionen, themenorientierter Gruppenarbeit, Brainstormings und vielem mehr. Hier finden Sie weitere Informationen für die technischen Voraussetzungen.

Ihre Vorteile:

• Ortsunabhängigkeit: Sie können von überall aus teilnehmen, sei es von zu Hause, aus dem Büro oder von unterwegs. Dadurch entfällt die Notwendigkeit für Reisen oder die physische Anwesenheit an einem bestimmten Ort.

• Flexibilität: Durch die Online-Natur können Sie flexibel an Seminaren teilnehmen, die Ihren Zeitplan berücksichtigen. Oft bieten sie verschiedene Sitzungen an verschiedenen Tagen oder Uhrzeiten an, um verschiedenen Zeitplänen gerecht zu werden.

• Kosteneffizienz: Live-Online-Seminare haben in der Regel niedrigere Teilnahmegebühren als Präsenzveranstaltungen. Sie sparen auch Reise- und Unterbringungskosten.

• Interaktives Lernen: Trotz der virtuellen Umgebung ermöglichen Live-Online-Seminare eine interaktive Teilnahme. Sie können Fragen stellen, an Diskussionen teilnehmen und in Gruppenarbeiten zusammenarbeiten, oft durch spezielle Tools oder Chatfunktionen.

Dieser Kurs richtet sich an Datenwissenschaftler mit vorhandenen Kenntnissen in Python und Machine-Learning-Frameworks wie Scikit-Learn, PyTorch und Tensorflow, die Machine-Learning-Lösungen in der Cloud aufbauen und betreiben wollen.

Seminardauer und -zeiten:
Erster Tag: 10:00 – 17:30 Uhr
Folgetage: 09:00 – 17:30 Uhr
Letzter Tag: 09:00 – 15:00 Uhr Flyer

Fast Lane ist weltweiter, mehrfach ausgezeichneter Spezialist für Technologie und Business-Trainings sowie Beratungsleistungen zur digitalen Transformation. Als einziger globaler Partner der drei Cloud-Hyperscaler Microsoft, AWS und Google und Partner von 30 weiteren führenden IT-Herstellern bietet Fast Lane beliebig skalierbare Qualifzierungslösungen und Professional Services an. Mehr als 4.000 erfahrene Fast Lane Experten trainieren und beraten Kunden jeder Größenordnung in 90 Ländern weltweit in den Bereichen Cloud, künstliche Intelligenz, Cybersecurity, Software Development, Wireless und Mobility, Modern Workplace sowie Management und Leadership Skills, IT- und Projektmanagement.

Teilnahmebescheinigung