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

Wer datengetriebene Lösungen in der Cloud entwickeln möchte, profitiert von praxisnahem Know-how rund um Azure Machine Learning. In dieser Weiterbildung erfahren Sie, wie Sie vorhandene Kenntnisse in Python und maschinellem Lernen gezielt einsetzen, um den gesamten Lebenszyklus einer ML-Lösung professionell zu steuern.

Im Mittelpunkt steht das Verwalten von Datenerfassung, Datenaufbereitung, Modelltraining, Bereitstellung sowie Monitoring mithilfe von Azure Machine Learning und MLflow. So gewinnen Sie die nötige Sicherheit, um maschinelle Lernlösungen zuverlässig im Cloudmaßstab zu betreiben.

Der Azure - DP-100T01 - Entwerfen und Implementieren einer Data Scientist Lösung unter Azure Kurs richtet sich an Datenwissenschaftler, die bereits mit Python und Frameworks wie ScikitLearn, PyTorch und Tensorflow vertraut sind und ihre Projekte in die Cloud bringen möchten.

Neben dem praktischen Lernen profitieren Teilnehmende von einer fundierten Vorbereitung auf das Examen DP-100, das zur Zertifizierung als Microsoft Certified: Azure Data Scientist Associate führt. Damit verbinden Sie Fortbildung mit einem anerkannten Qualifikationsnachweis für Ihre berufliche Weiterentwicklung.

Hinweis:

Der Kurs wird in deutscher Sprache gehalten, die MOC Unterlagen sind nur in englischer Sprache verfügbar.

Prüfungsgebühren sind nicht im Kurspreis inklusive.

Entwerfen einer Machine Learning-Lösung

Erkunden des Azure Machine Learning-Arbeitsbereichs

Arbeiten mit Daten in Azure Machine Learning

Arbeiten mit Compute in Azure Machine Learning

Automatisieren der ML-Modellauswahl mit Azure Machine Learning

Verwenden von Notebooks zum Experimentieren in Azure Machine Learning

Trainieren von Modellen mit Skripts in Azure Machine Learning

Optimieren des Modelltrainings mithilfe von Pipelines in Azure Machine Learning

Verwalten und Überprüfen von Modellen in Azure Machine Learning

Bereitstellen und Nutzen von Modellen mit Azure Machine Learning