Szkolenie Azure Machine Learning
Poziom
ŚredniozaawansowanyCzas
16h / 2 dniTermin
IndywidualnieCena
IndywidualnieSzkolenie Azure Machine Learning
Szkolenie warsztatowe poświęcone realizacji cyklu eksperymentu uczenia maszynowego w Azure Machine Learning. Zakres obejmuje konfigurację workspace, przygotowanie i wersjonowanie danych, zadania treningowe, Azure Machine Learning Designer, Automated ML, Python SDK v2, MLflow, rejestr modeli oraz kontrolowane wdrożenie modelu do zarządzanego punktu końcowego online. Uczestnicy przygotują dane, wytrenują i porównają modele, zarejestrują wyniki eksperymentów oraz przetestują inferencję w środowisku szkoleniowym. Program uwzględnia walidację, ryzyko wycieku danych, interpretowalność, ograniczenia modeli i podstawy monitoringu.
Dla kogo jest szkolenie Azure Machine Learning?
Programiści Python, data scientistci, analitycy danych i inżynierowie ML, którzy chcą realizować eksperymenty uczenia maszynowego w Azure Machine Learning.-
Specjaliści IT odpowiedzialni za przygotowanie środowisk, zasobów obliczeniowych i podstawowych procesów wdrażania modeli w Azure.
-
Osoby znające podstawy Pythona, bibliotek pandas i scikit-learn oraz potrafiące przygotować model uczenia nadzorowanego i zinterpretować podstawowe metryki.
-
Uczestnicy rozumiejący podział danych na zbiory treningowe i testowe oraz podstawowe pojęcia klasyfikacji lub regresji.
Wymagania
Znajomość podstaw programowania w Pythonie-
Doświadczenie w pracy z usługami chmurowymi będzie dodatkowym atutem
-
Podstawowa wiedza z zakresu uczenia maszynowego
Wcześniejsze doświadczenie z Azure nie jest wymagane.
Czego nauczysz się na szkoleniu Azure Machine Learning?
- Konfigurować workspace, magazyn danych, środowisko i zasoby obliczeniowe Azure Machine Learning
- Rejestrować zasoby danych, przeprowadzać eksploracyjną analizę danych oraz przygotowywać podział treningowy, walidacyjny i testowy
- Uruchamiać zadania treningowe za pomocą Python SDK v2 oraz rejestrować parametry, metryki i artefakty w MLflow
- Przygotowywać eksperymenty w Azure Machine Learning Designer i Automated ML oraz kontrolować metryki, walidację i limity wyszukiwania
- Porównywać modele z modelem bazowym, analizować błędy i interpretowalność oraz dokumentować ograniczenia rozwiązania
- Rejestrować wersję modelu i przeprowadzać kontrolowane wdrożenie do zarządzanego punktu końcowego online
- Testować inferencję, analizować logi oraz definiować podstawowe metryki operacyjne, sygnały dryfu i ryzyka wymagające nadzoru człowieka
Program szkolenia Azure Machine Learning
Dzień 1: Fundamenty Azure Machine Learning i cykl eksperymentu
Podstawy Azure Machine Learning
- Ekosystem Azure Machine Learning – workspace, zasoby, dane, modele, komponenty i zadania
- Konfiguracja workspace – tożsamość, magazyn danych, środowisko i zasoby obliczeniowe
Przygotowanie danych i eksploracyjna analiza danych (EDA)
- Źródła danych, data assets i datastores – dostęp, wersjonowanie i jakość danych
- EDA, podział treningowy, walidacyjny i testowy oraz ryzyko wycieku danych
Trening modeli w Azure
- Azure Machine Learning Designer (v2) – komponenty i potoki eksperymentalne
- Automated ML – zadanie, metryka główna, walidacja, limity i powtarzalność
Pierwszy model
- Zadanie treningowe w Python SDK v2 oraz rejestr eksperymentu w MLflow
- Metryki walidacyjne, analiza błędów, interpretowalność i wybór modelu
Dzień 2: Zaawansowane techniki i praktyczne zastosowania
Zaawansowane techniki treningu modeli
- Własne skrypty treningowe – środowiska, zależności, parametry i artefakty
- Zasoby obliczeniowe – serverless compute, klastry CPU/GPU, limity i koszty
Wdrożenie i monitoring modeli
- Rejestr modeli i zarządzany punkt końcowy online – wersje, konfiguracja i test inferencji
- Logi, dane inferencyjne, metryki operacyjne, dryf danych i ograniczenia modelu
Wdrożenie i optymalizacja modelu
- Kontrolowane wdrożenie modelu MLflow do zarządzanego punktu końcowego online
- Strojenie hiperparametrów, porównanie z modelem bazowym i karta ograniczeń modelu
