À propos de ce cours


L’objectif principal du cours est de permettre aux étudiants d’analyser et de présenter des données à l’aide d’Azure Machine Learning, ainsi que de présenter l’utilisation de l’apprentissage automatique avec des outils Big Data tels que HDInsight et R Services.

Profil de l’audience
Ce cours s’adresse principalement aux personnes souhaitant analyser et présenter des données à l’aide d’Azure Machine Learning.
Le public est constitué de professionnels de l’informatique, des développeurs et des travailleurs de l’information qui doivent prendre en charge des solutions basées sur l’apprentissage automatique Azure.

A l’issue de ce cours, les étudiants seront capables de:

  • Expliquer l’apprentissage automatique et l’utilisation des algorithmes et des langages
  • Décrire les objectifs d’Azure Machine Learning et répertorier les principales fonctionnalités de Azure Machine Learning Studio.
  • Téléchargez et explorez divers types de données vers Azure Machine Learning
  • Explorer et utiliser des techniques pour préparer des jeux de données prêts à être utilisés avec Azure Machine Learning
  • Explorer et utiliser les techniques d’ingénierie et de sélection des fonctionnalités sur les jeux de données à utiliser avec Azure Machine Learning
  • Explorez et utilisez des algorithmes de régression et des réseaux de neurones avec Azure Machine Learning.
  • Explorer et utiliser des algorithmes de classification et de clustering avec Azure Machine Learning
  • Utilisez R et Python avec Azure Machine Learning et choisissez quand utiliser une langue particulière.
  • Explorer et utiliser des hyperparamètres et de multiples algorithmes et modèles, et pouvoir noter et évaluer des modèles
  • Découvrez comment fournir aux utilisateurs finaux des services Azure Machine Learning et comment partager des données générées à partir de modèles Azure Machine Learning.
  • Explorer et utiliser les API de Cognitive Services pour le traitement de texte et d’image, créer une application de recommandation et décrire l’utilisation des réseaux de neurones avec Azure Machine Learning
  • Explorer et utiliser HDInsight avec Azure Machine Learning
  • Explorer et utiliser R et R Server avec Azure Machine Learning et expliquer comment déployer et configurer SQL Server pour prendre en charge les services R

Module 1: Introduction à l’apprentissage machine

Ce module introduit l’apprentissage machine et explique comment les algorithmes et les langages sont utilisés.

Leçons:

  • Qu’est-ce que l’apprentissage machine?
  • Introduction aux algorithmes d’apprentissage machine
  • Introduction aux langues d’apprentissage automatique

    Laboratoire: Introduction à l’apprentissage machine

  • S’inscrire au compte Azure Machine Learning Studio
  • Voir une expérience simple de la galerie
  • Évaluer une expérience

    À la fin de ce module, les étudiants seront en mesure de:

  • Décrivez l’apprentissage automatique
  • Décrire les algorithmes d’apprentissage automatique

Décrire les langues d’apprentissage automatique

Module 2: Introduction à Azure Machine Learning

Décrivez les objectifs d’Azure Machine Learning et répertoriez les principales fonctionnalités de Azure Machine Learning Studio.

Leçons:

  • Présentation de l’apprentissage automatique Azure
  • Introduction au studio d’apprentissage automatique Azure
  • Développement et hébergement d’applications d’apprentissage automatique Azure

    Atelier: Introduction à l’apprentissage automatique Azure

  • Explorez l’espace de travail du studio d’apprentissage automatique Azure
  • Cloner et lancer une expérience simple
  • Cloner une expérience, apporter des modifications simples et exécuter l’expérience

    À la fin de ce module, les étudiants seront en mesure de:

  • Décrivez l’apprentissage automatique Azure.
  • Utilisez le studio d’apprentissage machine Azure.
  • Décrire les plates-formes et les environnements d’apprentissage automatique Azure.

    Module 3: Gestion des jeux de données

A la fin de ce module, l’étudiant sera en mesure de télécharger et d’explorer différents types de données dans Azure Machine Learning.

Leçons:

  • Catégoriser vos données
  • Importation de données vers Azure Machine Learning
  • Exploration et transformation de données dans Azure Machine Learning

    Laboratoire: Gestion des jeux de données

  • Préparer la base de données Azure SQL
  • Importer des données
  • Visualiser les données
  • Résumer les données

    À la fin de ce module, les étudiants seront en mesure de:

  • Comprendre les types de données dont ils disposent.
  • Téléchargez des données provenant de différentes sources.
  •  Explorez les données qui ont été téléchargées.

    Module 4: Préparation des données pour une utilisation avec Azure Machine Learning

Ce module fournit des techniques permettant de préparer des jeux de données à utiliser avec Azure machine learning.

Leçons:

  • Pré-traitement des données
  • Traitement des ensembles de données incomplets

Atelier: Préparation des données pour une utilisation avec Azure Machine Learning

  • Explorez des données à l’aide de Power BI
  • Nettoyer les données

    À la fin de ce module, les étudiants seront en mesure de:

  • Pré-traiter les données pour les nettoyer et les normaliser.
  • Gérer les ensembles de données incomplets.

    Module 5: Utilisation de l’ingénierie et de la sélection des fonctionnalités

Ce module explique comment explorer et utiliser les techniques d’ingénierie et de sélection des fonctionnalités sur les jeux de données à utiliser avec Azure Machine Learning.

Cours:

  • Utilisation de l’ingénierie des fonctionnalités
  • Utiliser la sélection des fonctionnalités

    Atelier: Utiliser l’ingénierie et la sélection des fonctionnalités

  • Préparer des jeux de données
  • Utilisez Joindre pour fusionner des données

    À la fin de ce module, les étudiants seront en mesure de:

  • Utilisez l’ingénierie des fonctionnalités pour manipuler les données.
  • Utiliser la sélection des fonctionnalités.

    Module 6: Création de modèles Azure Machine Learning

Ce module explique comment utiliser des algorithmes de régression et des réseaux de neurones avec Azure Machine Learning.

Leçons:

  • Workflows d’apprentissage automatique Azure
  • Notation et évaluation de modèles
  • Utilisation d’algorithmes de régression
  • Utilisation de réseaux de neurones

    Laboratoire: Création de modèles d’apprentissage automatique Azure

  • Utilisation de modules Azure Machine Learning Studio pour la régression
  • Créer et exécuter une application basée sur un réseau de neurones

    À la fin de ce module, les étudiants seront en mesure de:

  • Décrire les workflows d’apprentissage automatique.
  • Expliquez la notation et l’évaluation des modèles.
  • Décrire les algorithmes de régression.
  • Utilisez un réseau de neurones.

    Module 7: Utilisation de la classification et du clustering avec les modèles d’apprentissage automatique Azure

Ce module décrit l’utilisation des algorithmes de classification et de regroupement avec l’apprentissage automatique Azure.

Cours:

  • Utilisation d’algorithmes de classification
  • Techniques de clustering
  • Sélection d’algorithmes

    Atelier: Utilisation de la classification et de la mise en cluster avec des modèles d’apprentissage automatique Azure

  • Utilisation des modules Azure Machine Learning Studio pour la classification.
  • Ajouter la section k-means à une expérience
  •  Ajouter PCA pour la détection des anomalies.
  • Évaluer les modèles

    À la fin de ce module, les étudiants seront en mesure de:

  • Utilisez des algorithmes de classification.
  • Décrire les techniques de clustering.
  • Sélectionnez les algorithmes appropriés.

    Module 8: Utilisation de R et Python avec Azure Machine Learning

Ce module explique comment utiliser R et Python avec Azure Machine Learning et comment choisir le moment d’utilisation d’un langage particulier.

Leçons:

  • En utilisant R
  • Utiliser Python
  • Incorporation de R et Python dans des expériences d’apprentissage automatique

    Laboratoire: Utilisation de R et Python avec l’apprentissage automatique Azure

  • Explorer les données en utilisant R
  • Analyser des données en utilisant Python

    À la fin de ce module, les étudiants seront en mesure de:

  • Expliquez les principales caractéristiques et avantages de R.
  • Expliquez les principales caractéristiques et avantages de Python.
  • Utilisez les cahiers Jupyter.
  • Supporte R et Python.

    Module 9: Initialisation et optimisation de modèles d’apprentissage machine

Ce module explique comment utiliser des hyper-paramètres et de multiples algorithmes et modèles, et être en mesure de marquer et d’évaluer des modèles.

Leçons:

  • Utiliser des hyper-paramètres
  • Utilisation de plusieurs algorithmes et modèles
  • Notation et évaluation de modèles

    Atelier: Initialisation et optimisation de modèles d’apprentissage machine

  • Utiliser des hyper-paramètres

    À la fin de ce module, les étudiants seront en mesure de:

  • Utilisez des hyper-paramètres.
  • Utilisez plusieurs algorithmes et modèles pour créer des ensembles.
  • Marquer et évaluer des ensembles.

    Module 10: Utilisation des modèles d’apprentissage automatique Azure

Ce module explique comment fournir aux utilisateurs finaux des services d’apprentissage automatique Azure et comment partager des données générées à partir de modèles d’apprentissage automatique Azure

Leçons:

  • Déploiement et publication de modèles
  • Expériences

    Atelier: Utilisation des modèles d’apprentissage automatique Azure

  • Déployer des modèles d’apprentissage machine
  • Consommer un modèle publié

    À la fin de ce module, les étudiants seront en mesure de:

  • Déployer et publier des modèles.
  • Exportez des données vers diverses cibles.

    Module 11: Utilisation de Cognitive Services

Ce module présente les API de services cognitifs pour le traitement de texte et d’image afin de créer une application de recommandation. Il décrit l’utilisation des réseaux de neurones avec Azure machine learning.

Leçons:

  • Vue d’ensemble des services cognitifs
  • Langue de traitement
  • Traitement des images et de la vidéo
  •  Recommander des produits

    Atelier: Utilisation des services cognitifs

  • Construire une application de langage
  • Construire une application de détection de visage
  • Construire une application de recommandation

    À la fin de ce module, les étudiants seront en mesure de:

  • Décrivez les services cognitifs.
  • Traiter le texte via une application.
  • Traiter les images via une application.
  • Créez une application de recommandation.

    Module 12: Utilisation de Machine Learning avec HDInsight

Ce module explique comment utiliser HDInsight avec Azure Machine Learning.

Leçons:

  • Introduction à HDInsight
  • Types de cluster HDInsight
  • HDInsight et modèles d’apprentissage automatique

    Atelier: Apprentissage automatique avec HDInsight

  • Mettre en service un cluster HDInsight
  • Utiliser le cluster HDInsight avec MapReduce et Spark

    À la fin de ce module, les étudiants seront en mesure de:

  • Décrire les fonctionnalités et les avantages de HDInsight.
  • Décrivez les différents types de cluster HDInsight.
  • Utilisez HDInsight avec des modèles d’apprentissage automatique.

    Module 13: Utilisation des services R avec Machine Learning

Ce module explique comment utiliser les serveurs R et R avec Azure Machine Learning et explique comment déployer et configurer SQL Server et les services R.

Cours:

  • Vue d’ensemble du serveur R et R
  • Utilisation du serveur R avec l’apprentissage automatique
  • Utiliser R avec SQL Server

    Laboratoire: Utiliser les services R avec l’apprentissage automatique

  • Déployer DSVM
  • Préparer un exemple de base de données SQL Server et configurer SQL Server et R
  • Utiliser une session R distante
  • Exécuter des scripts R dans des instructions T-SQL

    À la fin de ce module, les étudiants seront en mesure de:

  • Implémenter des requêtes interactives.
  •  Effectuer une analyse exploratoire des données.

En plus de leur expérience professionnelle, les étudiants qui suivent ce cours devraient avoir:

  • Expérience en programmation utilisant R et familiarité avec les packages R courants
  • Connaissance des méthodes statistiques courantes et des meilleures pratiques en matière d’analyse de données.
  • Connaissance de base du système d’exploitation Microsoft Windows et de ses fonctionnalités principales.
  • Connaissance pratique des bases de données relationnelles

Programme de Formation

No curriculum found !
Course Reviews
N.C
ratings
  • 5 stars0
  • 4 stars0
  • 3 stars0
  • 2 stars0
  • 1 stars0

No Reviews found for this course.

© Copyright 2018 Reunit.
X