Vous êtes ici : Accueil > Formation informatique > Big Data, Data Science > Solutions Cloud Microsoft, Amazon, Google

New
 
Fantom Tag

Formation - Entraîner et déployer un modèle d'apprentissage automatique avec Azure Machine Learning

Maîtrisez l'implémentation de modèles d'apprentissage automatique avec Azure Machine Learning

  • Présentiel ou classe à distance
  • Perfectionnement
Intra
Dans vos locaux ou à distance
Durée
1 jour ( 7 heures)
Forfait intra - En savoir plus
2 850,00€ HT
Prix pour un groupe de 12 personnes max
Référence
MSDP3007
Demander un devis
Formation à la demande
Cette thématique vous intéresse ?
Nos experts conçoivent votre formation
sur-mesure !
Nous contacter
Cette formation avancée sur l'entraînement et le déploiement des modèles d'apprentissage automatique avec Azure Machine Learning vous fournit toutes les compétences nécessaires pour préparer les données, gérer les environnements et les cibles de calcul, et suivre les modèles avec MLflow. Vous apprendrez à lancer des scripts, intégrer des modèles en ligne et déployer des prédictions en production, tout en acquérant une maîtrise approfondie des outils Azure. Idéale pour les professionnels expérimentés en Azure et Python, cette formation vous prépare à obtenir une certification reconnue dans le domaine.
En suivant ce programme complet, vous maximisez votre expertise en apprentissage automatique et améliorez votre capacité à résoudre des problématiques complexes grâce à Azure Machine Learning. Cette formation est spécialement conçue pour ceux qui souhaitent approfondir leur maîtrise des outils Azure pour l'entraînement et le déploiement des modèles d'IA, ce cours vous offre une opportunité unique de vous perfectionner dans ce domaine en pleine expansion.
Lire la suite
Pour qui ?

A qui s'adresse cette formation ?

Pour qui

  • Data Scientist

Prérequis

Programme

Le programme

1 - Rendre les données prêtes à l'emploi dans Azure Machine Learning

  • Accéder aux données via des URI (Uniform Resource Identifiers)
  • Intégrer les données des sources cloud en se connectant aux magasins de données
  • Créer un magasin et un actif de données
    • Atelier

    Configurer et intégrer les données dans Azure Machine Learning

2 - Gérer les cibles de calcul dans Azure Machine Learning

  • Sélectionner la cible de calcul appropriée et travailler avec des instances et des clusters
  • Gérer les packages installés via les environnements
  • Configurer et utiliser une instance et un cluster de calcul
    • Atelier

    Utiliser les ressources informatiques dans Azure Machine Learning

3 - Gérer les environnements dans Azure Machine Learning

  • Maîtriser l'utilisation des environnements dans Azure Machine Learning
  • Découvrir et exploitez les environnements configurés
  • Créer et déployer des environnements personnalisés
    • Atelier

    Gérer des environnements dans Azure Machine Learning

4 - Lancer un script de formation comme tâche de commande dans Azure Machine Learning

  • Convertir un bloc-notes en script et exécuter des tests dans un terminal
  • Exécuter un script en tant que tâche de commande avec des paramètres
    • Atelier

    Déployer un script de formation comme tâche de commande

5 - Gérer le suivi de la formation des modèles avec MLflow dans les tâches

  • Intégrer MLflow lors de l'exécution d'un script comme tâche de commande
  • Analyser les métriques, paramètres, artefacts et les modèles d'une exécution
    • Atelier

    Intégrer MLflow pour le suivi des modèles et des tâches de formation

6 - Intégrer un modèle MLflow dans Azure Machine Learning

  • a. Comprendre et gérer les journaux de modèles enregistrés avec MLflow
  • Enregistrement et intégrationEnregistrer et intégrer des modèles dans Azure Machine Learning
    • Atelier

    Sauvegarder des modèles avec MLflow

7 - Mettre en place un modèle sur un point de terminaison en ligne géré

  • Déployer et utiliser des points de terminaison en ligne gérés pour vos modèles, y compris ceux de MLflow et des modèles personnalisés
  • Évaluer les points de terminaison en temps réel
    • Atelier

    Configurer un modèle MLflow sur un point de terminaison en ligne

Evaluation

  • Cette formation fait l'objet d'une évaluation formative.
Objectifs

Les objectifs de la formation

  • Préparer efficacement les données en accédant aux URI, en intégrant les sources cloud et en créant des magasins et actifs de données dans Azure Machine Learning
  • Maîtriser les environnements en découvrant, exploitant et créant des environnements personnalisés pour une gestion optimisée des modèles
  • Exécuter et déployer des scripts de formation en convertissant des blocs-notes en scripts, en configurant des tâches de commande, et en réalisant des tests pratiques
  • Suivre et gérer les modèles avec MLflow en intégrant son suivi dans les tâches de commande et en analysant les métriques, paramètres et artefacts des exécutions
  • Déployer des modèles sur des points de terminaison en ligne gérés, en évaluant leur performance en temps réel pour des prédictions efficaces en production
Evaluation

Evaluation

  • Cette formation fait l'objet d'une évaluation formative.
Points forts

Les points forts de la formation

  • Approche Pédagogique Dynamique : Allie théorie et pratique avec des ateliers pour une application directe des compétences en Azure Machine Learning
  • Expertise Avancée : Formez-vous avec des experts expérimentés d'Azure Machine Learning pour des conseils pratiques et adaptés
  • Qualité Officielle : Formation certifiée Microsoft

Qualité des formations

ib Cegos est certifié Iso 9001 et Qualiopi.

En savoir plus

Formation - Entraîner et déployer un modèle d'apprentissage automatique avec Azure Machine Learning