20774А. Облачная аналитика больших данных (Big Data) при помощи машинного обучения в Azure
20774А. Облачная аналитика больших данных (Big Data) при помощи машинного обучения в Azure
-
- Код курса:
- 20774А
-
- Длительность:
- 5 / 40
-
- Ближайшие даты:
-
-
- Цена, без НДС:
- Уточните
- Гаєвий Вадим МСТ
- З 2011 року тренер Microsoft - МСТ.
Викладає технології: Microsoft ASP.NET, Microsoft SQ...
Аудитория:
Этот курс предназначен для специалистов, желающих обрабатывать большие объёмы данных с помощью таких современных средств автоматизации, как машинное обучение. Также курс будет интересен специалистам, изучающим HDInsight и R.
Предварительная подготовка:
Обязательная предварительная подготовка:
- Успешное окончание курса Курс 20773А: Анализ больших данных (Big Data) с помощью Microsoft R или эквивалентная подготовка.
- Успешное окончание курса Анализ данных на языке SQL или эквивалентная подготовка.
- Английский язык. Уровень 2. Elementary, часть 2, или эквивалентная подготовка.
- Успешное окончание курса Курс 20767А: Разработка и эксплуатация хранилищ данных на SQL Server 2016 или эквивалентная подготовка.
Приобретаемые навыки:
По окончании курса Вы будете уметь:
- объяснять принципы работы механизмов машинного обучения, используемые алгоритмы и языки;
- описывать возможности машинного обучения в Azure и перечислять основные функции Azure Machine Learning Studio;
- загружать и исследовать различные типы данных для машинного обучения Azure;
- изучать и использовать методы подготовки наборов данных для использования с машинным обучением Azure;
- изучать и использовать регрессионные алгоритмы и алгоритмы работы нейронных сетей в рамках машинного обучения Azure;
- изучать и использовать алгоритмы классификации и кластеризации в рамках машинного обучения Azure;
- использовать преимущества R и Python при работе с машинным обучением Azure;
- изучать и использовать гипер-параметры, множество алгоритмов и моделей для решения аналитических задач;
- предоставлять пользователям доступ к результатам отработки моделей машинного обучения Azure;
- изучать и использовать подключения к когнитивным службам (Cognitive Services API) для обработки текста и изображений, создания рекомендаций и описание использования нейронных сетей в рамках машинного обучения Azure;
- изучать и использовать HDInsight в рамках машинного обучения Azure;
- изучать и использовать язык R и сервер R в рамках машинного обучения Azure;
- объяснять, как развернуть и настроить SQL Server для поддержки служб R.
Содержание курса:
Модуль 1. Введение в машинное обучение
- Что такое машинное обучение?
- Введение в алгоритмы машинного обучения
- Введение в языки машинного обучения
- Регистрация в Azure
- Тестирование работы
- Оценка работы
- Обзор машинного обучения Azure
- Введение в Azure Machine Learning Studio
- Разработка и размещение приложений машинного обучения Azure
- Изучение Azure Machine Learning Studio
- Клонирование и запуск простого эксперимента
- Клонирование эксперимента, внесение простых изменений и повторный запуск
- Классификация данных
- Импорт данных для машинного обучения Azure
- Исследование и преобразование данных в машинном обучении Azure
- Подготовка базы данных SQL Azure
- Импорт данных
- Визуализация данных
- Суммирование данных
- Предварительная обработка данных
- Обработки неполных данных
- Обзор данных с помощью Power BI
- Очистка данных
- Использование компонент конструирования
- Использование компонент выбора
- Слияние наборов данных
- Использовать PCA для понижения измерений
- Выбор переменных и редактирование метаданных
- Процессы машинного обучения Azure
- Оценка и применение моделей
- Применение регрессионных алгоритмов
- Использование нейронных сетей
- Использование модуля Azure machine learning Studio для подключения регрессии
- Оценки моделей машинного обучения
- Добавление дополнительных регрессионных моделей
- Создание и запуск приложений с алгоритмами нейронных сетей
- Алгоритмы классификации
- Методы кластеризации
- Выбор алгоритмов
- Использование модулей Azure machine learning Studio для классификации
- Добавление раздела К-среднего в эксперимент
- Добавление PCA для обнаружения аномалий
- Анализ моделей
- Использование R
- Использование Python
- Использование блокнотов Jupyter
- Поддержка R и Python
- Добавление скриптов на R и Python
- Использование Python в интегрированной среде разработки Visual Studio
- Добавление блокнота Jupyter
- Запуск блокнота Jupyter
- Импорт пакетов для R/Python
- Визуализация данных с помощью R/Python
- Программирование на R для работы на основе временных рядов
- Использование гипер-параметров
- Использование нескольких алгоритмов и моделей
- Сравнение и оценка ансамбля
- Использование гипер-параметров
- Построение ансамбля с помощью стека
- Оценка ансамбля
- Развертывание и публикации моделей
- Экспорт данных
- Развертывание моделей машинного обучения
- Использование опубликованных моделей
- Экспорт данных
- Использование экспортированных данных в моделе машинного обучения
- Обзор когнитивных служб
- Обработка текста
- Обработка изображений
- Создание рекомендаций
- Создание и запуск приложения обработки текста
- Создание и запуск приложения для обработки изображений
- Создание и запуск приложения с рекомендацией
- Введение в HDInsight
- Типы кластеров HDInsight
- HDInsight и модели машинного обучения
- Развертывание кластера HDInsight
- Использование кластера HDInsight
- Отображение данных в Power BI
- Обзор R и сервера R
- Использование сервера R в моделях машинного обучения
- Использование R с SQL Server
- Развертывание DSVM
- Наука о данных в виртуальной машине
- Настройка сервера R
- Запуск образца приложения сервера R
- Развертывание SQL Server 2016 в виртуальной машине Azure
- Настройка SQL Server для разрешения выполнения сценариев R
- Выполнение скриптов R внутри выражений Т-SQL
- Использование R для визуализации данных
Материалы и сертификаты:
МS
Акцент Профи
Акцент Профи