Perform Cloud Data Science with Azure Machine Learning

Academy
Digicomp
Kurzbeschreibung
Der Hauptzweck des Kurses ist es, Ihnen die Möglichkeit zu geben, Daten mit Azure Machine Learning zu analysieren und zu präsentieren. Sie e... mehr...
Der Hauptzweck des Kurses ist es, Ihnen die Möglichkeit zu geben, Daten mit Azure Machine Learning zu analysieren und zu präsentieren. Sie erhalten zudem eine Einführung in den Einsatz von maschinellem Lernen mit grossen Datenwerkzeugen. weniger
Kursorte
Basel, Bern, Zürich
Kursarten
Kurs/Seminar
Fachbereiche

Cloud, Informatik, Microsoft Azure, Microsoft Datenbanken, Machine Learning, Data Science, Microsoft Professional, macOS, Mathematik, Statistik

Dieser Kurs ist neu hier. 0 User folgen diesem Kurs und erhalten Bescheid, wenn es Neues gibt - Kurs jetzt folgen.

Du hast den Kurs besucht? Kurs jetzt bewerten.

Hier kannst du der Eggheads Community deine Fragen zu diesem Kurs stellen. Auch Kursleiter können mitdiskutieren.


Frage stellen

Du must angemeldet sein um zu antworten

Kursleiter

Andi

Andi Profilfoto
Kursinhalt
  1. Module: Introduction to Machine Learning - This module introduces machine learning and discussed how algorithms and languages are used.
    • Lessons:
      • What is machine learning?
      • Introduction to machine learning algorithms
      • Introduction to machine learning languages
    • Lab: Introduction to machine Learning
      • Sign up for Azure machine learning studio account
      • View a simple experiment from gallery
      • Evaluate an experiment
  2. Module: Introduction to Azure Machine Learning - Describe the purpose of Azure Machine Learning, and list the main features of Azure Machine Learning Studio.
    • Lessons:
      • Azure machine learning overview
      • Introduction to Azure machine learning studio
      • Developing and hosting Azure machine learning applications
    • Lab: Introduction to Azure machine learning
      • Explore the Azure machine learning studio workspace
      • Clone and run a simple experiment
      • Clone an experiment, make some simple changes, and run the experiment
  3. Module: Managing Datasets - At the end of this module the student will be able to upload and explore various types of data in Azure machine learning.
    • Lessons:
      • Categorizing your data
      • Importing data to Azure machine learning
      • Exploring and transforming data in Azure machine learning
    • Lab: Managing Datasets
      • Prepare Azure SQL database
      • Import data
      • Visualize data
      • Summarize data
  4. Module: Preparing Data for use with Azure Machine Learning - This module provides techniques to prepare datasets for use with Azure machine learning.
    • Lessons:
      • Data pre-processing
      • Handling incomplete datasets
    • Lab: Preparing data for use with Azure machine learning
      • Explore some data using Power BI
      • Clean the data
  5. Module: Using Feature Engineering and Selection - This module describes how to explore and use feature engineering and selection techniques on datasets that are to be used with Azure machine learning.
    • Lessons:
      • Using feature engineering
      • Using feature selection
    • Lab: Using feature engineering and selection
      • Prepare datasets
      • Use Join to Merge data
  6. Module: Building Azure Machine Learning Models - This module describes how to use regression algorithms and neural networks with Azure machine learning.
    • Lessons:
      • Azure machine learning workflows
      • Scoring and evaluating models
      • Using regression algorithms
      • Using neural networks
    • Lab: Building Azure machine learning models
      • Using Azure machine learning studio modules for regression
      • Create and run a neural-network based application
  7. Module: Using Classification and Clustering with Azure machine learning models - This module describes how to use classification and clustering algorithms with Azure machine learning.
    • Lessons:
      • Using classification algorithms
      • Clustering techniques
      • Selecting algorithms
    • Lab: Using classification and clustering with Azure machine learning models
      • Using Azure machine learning studio modules for classification.
      • Add k-means section to an experiment
      • Add PCA for anomaly detection.
      • Evaluate the models
  8. Module: Using R and Python with Azure Machine Learning - This module describes how to use R and Python with azure machine learning and choose when to use a particular language.
    • Lessons:
      • Using R
      • Using Python
      • Incorporating R and Python into Machine Learning experiments
    • Lab: Using R and Python with Azure machine learning
      • Exploring data using R
      • Analyzing data using Python
  9. Module: Initializing and Optimizing Machine Learning Models - This module describes how to use hyper-parameters and multiple algorithms and models, and be able to score and evaluate models.
    • Lessons:
      • Using hyper-parameters
      • Using multiple algorithms and models
      • Scoring and evaluating Models
    • Lab: Initializing and optimizing machine learning models
      • Using hyper-parameters
  10. Module: Using Azure Machine Learning Models - This module explores how to provide end users with Azure machine learning services, and how to share data generated from Azure machine learning models.
    • Lessons:
      • Deploying and publishing models
      • Consuming Experiments
    • Lab: Using Azure machine learning models
      • Deploy machine learning models
      • Consume a published model
  11. Module: Using Cognitive Services - This module introduces the cognitive services APIs for text and image processing to create a recommendation application, and describes the use of neural networks with Azure machine learning.
    • Lessons:
      • Cognitive services overview
      • Processing language
      • Processing images and video
      • Recommending products
    • Lab: Using Cognitive Services
      • Build a language application
      • Build a face detection application
      • Build a recommendation application
  12. Module: Using Machine Learning with HDInsight - This module describes how use HDInsight with Azure machine learning.
    • Lessons:
      • Introduction to HDInsight
      • HDInsight cluster types
      • HDInsight and machine learning models
    • Lab: Machine Learning with HDInsight
      • Provision an HDInsight cluster
      • Use the HDInsight cluster with MapReduce and Spark
  13. Module: Using R Services with Machine Learning - This module describes how to use R and R server with Azure machine learning, and explain how to deploy and configure SQL Server and support R services.
    • Lessons:
      • R and R server overview
      • Using R server with machine learning
      • Using R with SQL Server
    • Lab: Using R services with machine learning
      • Deploy DSVM
      • Prepare a sample SQL Server database and configure SQL Server and R
      • Use a remote R session
      • Execute R scripts inside T-SQL statements
Kursziele
  • Erkären von Machine Learning und der Art und Weise, wie Algorithmen und Sprachen angewendet werden
  • Erklären des Sinn und Zwecks von Azure Machine Learning
  • Kennen der Hauptfunktionalitäten von Azure Machine Learning Studio
  • Hochladen und Prüfen diverser Datentypen zu Azure Machine Learning
  • Beherrschen der Techniken, um Datensets für den Gebrauch in Azure Machine Learning vorzubereiten
  • Beherrschen von Feature-Engineering und Auswahltechniken für Datensets, die für den Gebrauch in Azure Machine Learning vorgesehen sind
  • Nutzen von Regressions-Algorithmen und neuronale Netzwerke mit Azure Machine Learning
  • Nutzen von Klassifikations- und Clustering-Algorithmen mit Azure Machine Learning
  • Nutzen von R und Python mit Azure Machine Learning und können die Sprachen gezielt einsetzen
  • Nutzen von Hyperparameter und mehrere Algorithmen und Modelle und sind fähig, Modelle zu bewerten und zu evaluieren
  • Wissen, wie Sie Endbenutzer mit Azure Machine Learning Services versorgen und Daten aus Azure-Machine-Learning-Modellen teilen
  • Nutzen von Cognitive-Services-APIs für die Text- und Bildverarbeitung im Rahmen von Empfehlungsanträgen
  • Beschreiben der Verwendung von neuronalen Netzwerken mit Azure Machine Learning
  • Nutzen von HDInsight mit Azure Machine Learning
  • Nutzen von R und R Server mit Azure Machine Learning
  • Erklären, wie SQL Server zwecks Unterstützung von R Services installiert und konfiguriert wird
Zielpublikum

Personen, die Daten mit Hilfe von Azure Machine Learning analysieren und präsentieren. Ebenso richtet sich der Kurs an IT Professionals, Entwickler und Supporter, die Anwender bei Azure-Machine-Learning-basierten Lösungen unterstützen.

Anforderungen

Programmiererfahrung in R, Vertrautheit mit gängigen R-Paketen, Kenntnisse von gängigen Statistik-Methoden und Datenanalyse-Best-Practices, grundlegendes Know-how des Microsoft-Windows-Betriebssystems und dessen Grundfunktionalitäten sowie Anwendungserfahrung im Bereich relationale Datenbanken werden vorausgesetzt. Wir empfehlen den Besuch des folgenden Kurses oder gleichwertige Fachkenntnisse:

Kursgebühr
Fr. 3'800.00
Nächste Durchführungsdaten
  • 22. November 2018
  • 6. September 2018