Uczestnicy przystępujący do kursu powinni posiadać doświadczenie w pracy z danymi w Python oraz podstawową wiedzę na temat koncepcji uczenia maszynowego.
Moduł 1: Wprowadzenie do Azure Databricks
- Rozpoczęcie pracy z Azure Databricks
- Praca z danymi w Azure Databricks
Laboratorium:Rozpoczęcie pracy z Azure Databricks
Laboratorium: Praca z danymi w Azure Databricks
Po ukończeniu tego modułu uczestnicy będą w stanie:
- Zapewnić przestrzeń roboczą i klaster Azure Databricks,
- Wykorzystać Azure Databricks do pracy z danymi.
Moduł 2: Trenowanie modeli uczenia maszynowego oraz ich ocena
- Przygotowanie danych do uczenia maszynowego
- Trenowanie modelu uczenia maszynowego
Laboratorium: Trenowanie modelu uczenia maszynowego
Laboratorium: Przygotowanie danych do uczenia maszynowego
Po ukończeniu tego modułu kursant będzie w stanie używać Azure Databricks do następujących celów:
- Przygotowywanie danych do modelowania
- Trenowanie i walidacja modelu uczenia maszynowego
Moduł 3: Zarządzanie eksperymentami i modelami
- Wykorzystanie MLflow do monitorowania eksperymentów
- Zarządzanie modelami
Laboratorium: Użycie MLflow do monitorowania eksperymentów
Laboratorium: Zarządzanie modelami
Po ukończeniu tego modułu uczestnicy będą w stanie:
- Wykorzystywać MLflow do monitorowania eksperymentów
- Zarządzać modelami
Moduł 4: Integracja Azure Databricks i Azure Machine Learning
- Monitorowanie eksperymentów za pomocą Azure Machine Learning
- Wdrażanie modeli
Laboratorium: Wdrażanie modeli w Azure Machine Learning
Laboratorium: Przeprowadzanie eksperymentów w Azure Machine Learning
Po ukończeniu tego modułu uczestnicy będą w stanie:
- Uruchamiać eksperymenty w zakresie uczenia maszynowego Azure w chmurach obliczeniowych Azure Databricks,
- Wdrażać modele z Azure Databricks do Azure Machine Learning.