Temario del curso
Introducción
Descripción general de las características y arquitectura de Azure Machine Learning (AML)
Descripción general de un flujo de trabajo de extremo a extremo en AML (pipelines de Azure Machine Learning)
Aprovisionamiento de máquinas virtuales en la nube
Consideraciones de escalado (CPUs, GPUs y FPGAs)
Navegación por Azure Machine Learning Studio
Preparación de los datos
Construcción del modelo
Entrenamiento y prueba del modelo
Registro de un modelo entrenado
Creación de una imagen del modelo
Implementación del modelo
Monitoreo del modelo en producción
Solución de problemas
Resumen y conclusiones
Requerimientos
- Comprensión de los conceptos fundamentales del aprendizaje automático.
- Conocimiento de los conceptos de computación en la nube.
- Conocimiento general sobre contenedores (Docker) y orquestación (Kubernetes).
- Experiencia en programación con Python o R (deseable).
- Experiencia trabajando con línea de comandos.
Público objetivo
- Ingenieros de ciencia de datos
- Ingenieros de DevOps interesados en la implementación de modelos de aprendizaje automático
- Ingenieros de infraestructura interesados en la implementación de modelos de aprendizaje automático
- Ingenieros de software que deseen automatizar la integración y despliegue de funcionalidades de aprendizaje automático en sus aplicaciones
Testimonios (2)
Los detalles y el estilo de presentación.
Cristian Mititean - Accenture Industrial SS
Curso - Azure Machine Learning (AML)
Traducción Automática
Los Ejercicios
Khaled Altawallbeh - Accenture Industrial SS
Curso - Azure Machine Learning (AML)
Traducción Automática
