DP-100 Designing and Implementing a Data Science solution on Azure

Erste Schritte mit Azure Machine Learning

• Einführung in Azure Machine Learning
• Arbeiten mit Azure Machine Learning

Visuelle Tools für maschinelles Lernen

• Automatisiertes maschinelles Lernen
• Azure Machine Learning-Designer

Ausführen von Experimenten und Trainieren von Modellen

• Einführung in Experimente
• Trainieren und Registrieren von Modellen

Arbeiten mit Daten

• Arbeiten mit Datenspeichern
• Arbeiten mit Datasets

Arbeiten mit Compute-Ressourcen

• Arbeiten mit Umgebungen
• Arbeiten mit Computezielen

Orchestrieren von Operationen mit Pipelines

• Einführung in Pipelines
• Veröffentlichen und Ausführen von Pipelines

Bereitstellen und Nutzen von Modellen

• Echtzeitrückschließen
• Batchrückschließen
• Continuous Integration und Continuous Delivery

Trainieren optimaler Modelle

• Hyperparameteroptimierung
• Automatisiertes maschinelles Lernen

Verantwortungsvolles maschinelles Lernen

• Differential Privacy
• Interpretierbarkeit von Modellen
• Fairness

Verantwortungsvolles maschinelles Lernen

• Differential Privacy
• Interpretierbarkeit von Modellen
• Fairness

• fundierte Kenntnisse zu Cloud Computing-Konzepten
• Erfahrung mit allgemeinen Tools und Techniken in den Bereichen Data Science und maschinelles Lernen.

DP-100 Designing and Implementing a Data Science solution on Azure