netzweise2

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

Dieses Seminar bietet essenzielles Wissen zur Anwendung von Azure Services für die Entwicklung, Ausbildung und Implementierung von Machine Learning-Lösungen. Inhaltlich startet das Seminar mit einer Übersicht über Azure Services, die Data Science unterstützen, bevor es sich dann auf den Einsatz des ersten Data Science Service von Azure, Azure Machine Learning Service, konzentriert, um Data Science Pipelines zu automatisieren.

Bitte beachten Sie, dass es sich hierbei um einen Azure-spezifischen Kurs handelt und davon ausgegangen wird, dass die Teilnehmer bereits grundlegende Kenntnisse in Data Science mitbringen.

Das Seminar eignet sich auch als Vorbereitung auf die Zertifizierung als Microsoft Certified: Azure Data Scientist Associate. Allerdings sind Prüfungsgebühren nicht im Kurspreis enthalten. Bitte beachten Sie, dass der Seminarinhalt auf Deutsch gehalten wird, die dazugehörigen MOC-Unterlagen jedoch nur in Englisch verfügbar sind.

Kurs-Daten

Seminar

ZC6

Preis

2485.00 € zzgl. Mwst.

Dauer

3 Tage

Zielgruppe

Dieses Seminar richtet sich an Data Scientists und Entwickler mit grundlegenden Kenntnissen in Data Science. Es vermittelt essenzielles Wissen zur Anwendung von Azure Services für die Entwicklung, Ausbildung und Implementierung von Machine Learning-Lösungen. Der Kurs konzentriert sich auf den Azure Machine Learning Service und die Automatisierung von Data Science Pipelines, zudem bereitet er auf die Zertifizierung als Microsoft Certified: Azure Data Scientist Associate vor.

Präsenz-Termine

Online-Termine

  • Verwendung von AML Model Registry
  • Überwachung der Modellleistung und Fehlerbehebung

Vor Teilnahme an disesem Kurs benötigen die Teilnehmer: - vorhandene Zertfizierung als Azure Fundamentals - Verständnis von Data Science, Vorbereitung von Daten, trainingsmodellen und der Evaluation von verschiedenen Modellen um das besten auszuwählen. - Wie mit der Programmiersprache Python programmiert wird und die Python Bibliotheken genutzt werden: pandas, scikit-learn, matplotlib, und seaborn.