DP-100: Designing and Implementing a Data Science Solution on Azure
- 32 horas
- Live
Live com Instrutor
Apostila e Laboratórios
Plataforma Imersiva
Aula gravada para revisão
Certificado de Participação
DP-100: Designing and Implementing a Data Science Solution on Azure – CURSO OFICIAL MICROSOFT
Material oficial Microsoft e aulas ao vivo com instrutor MCT.
* Se precisar faltar, não se preocupe, pois disponibilizamos a gravação das aulas por 30 dias.
DP-100: Aprenda a utilizar soluções de aprendizado de máquina em escala de nuvem usando o Azure Machine Learning. Este curso ensina você como se beneficiar do seu conhecimento sobre Python e machine learning para gerenciar a ingestão e preparação de dados, o treinamento e a implantação de modelos e o monitoramento de soluções de machine learning com o Azure Machine Learning e o MLflow.
Cortesia: ao contratar esse treinamento você ganhará a videoaula do curso DP-900: Fundamentos de Dados no Azure (8h).
Detalhes do produto
Perfil do Público
Interessados em criar e operar soluções de aprendizado de máquina na nuvem.
Pré-requisito
Recomendado realizar o curso DP-900: Fundamentos de Dados no Azure e AI-900: Fundamentos de IA no Azure ou possuir conhecimentos equivalentes.
Exame
Preparatório para o exame DP-100: Designing and Implementing a Data Science Solution on Azure, exigido na conquista da credencial MS Certified Azure Data Scientist Associate.
* O exame não está incluso na contratação.
Conteúdo Programático
- Projetar uma solução de aprendizado de máquina
- Criar uma estratégia de ingestão de dados para projetos de aprendizado de máquina
- Identificar a fonte de dados e o formato
- Escolha como fornecer dados para fluxos de trabalho de aprendizado de máquina
- Criar uma solução de ingestão de dados
- Criar uma solução de treinamento de modelo de machine learning
- Identificar tarefas de aprendizado de máquina
- Escolher um serviço para treinar um modelo de machine learning
- Decidir entre opções de computação
- Criar uma solução de implantação de modelo
- Entender como o modelo será consumido
- Decidir sobre implantação em tempo real ou em lote
- Criar uma solução de operações de aprendizado de máquina
- Explorar uma arquitetura de MLOps
- Projetar para monitoramento
- Projetar para novo treinamento
- Explorar o workspace do Azure Machine Learning
- Explorar recursos e ativos do workspace do Azure Machine Learning
- Criar um workspace do Azure Machine Learning
- Identificar recursos do Azure Machine Learning
- Identificar ativos do Azure Machine Learning
- Treinar modelos no workspace
- Explorar as ferramentas de desenvolvedor para interação com o workspace
- Explorar o estúdio
- Explorar o SDK do Python
- Explorar a CLI
- Trabalhar com os dados no Azure Machine Learning
- Entender URIs
- Criar um repositório de dados
- Criar um ativo de dados
- Trabalhar com computação no Azure Machine Learning
- Trabalhar com destinos de computação no Azure Machine Learning
- Escolher o destino de computação apropriado
- Criar e usar uma instância de computação
- Criar e usar um cluster de computação
- Trabalhar com ambientes no Azure Machine Learning
- Entender os ambientes
- Explorar e usar ambientes coletados
- Criar e usar ambientes personalizados
- Automatizar a seleção do modelo de machine learning com o Azure Machine Learning
- Pré-processar dados e configurar a definição de recursos
- Executar um experimento de ML automatizado
- Avaliar e comparar modelos
- Usar notebooks para experimentação no Azure Machine Learning
- Configurar o MLflow para acompanhamento de modelo em notebooks
- Treinar e acompanhar modelos em notebooks
- Treinar modelos com scripts no Azure Machine Learning
- Executar um script de treinamento como um trabalho de comando no Azure Machine Learning
- Converter um notebook em um script
- Executar um script como um trabalho de comando
- Usar parâmetros em um trabalho de comando
- Acompanhar o treinamento de modelos com o MLflow em trabalhos
- Acompanhar métricas com o MLflow
- Exibir métricas e avaliar modelos
- Executar o ajuste de hiperparâmetro com o Azure Machine Learning
- Definir espaço de pesquisa
- Configurar um método de amostragem
- Configurar término antecipado
- Usar um trabalho de varredura para ajuste de hiperparâmetro
- Otimizar o treinamento de modelo com pipelines no Azure Machine Learning
- Criar componentes
- Criar um pipeline
- Executar um trabalho de pipeline
- Gerenciar e examinar modelos no Azure Machine Learning
- Registrar um modelo do MLflow no Azure Machine Learning
- Registrar modelos com o MLflow
- Entender o formato do modelo do MLflow
- Registrar um modelo MLflow
- Criar e explorar o painel de IA Responsável para um modelo no Azure Machine Learning
- Noções básicas sobre a IA responsável
- Criar o painel da IA Responsável
- Avaliar o painel de controle da IA responsável
- Implantar e consumir modelos com o Azure Machine Learning
- Implantar um modelo em um ponto de extremidade online gerenciado
- Explorar pontos de extremidade online gerenciados
- Implantar um modelo do MLflow em um ponto de extremidade online gerenciado
- Implantar um modelo em um ponto de extremidade online gerenciado
- Testar pontos de extremidade online gerenciados
- Implantar um modelo em um ponto de extremidade em lote
- Entender e criar pontos de extremidade em lote
- Implantar seu modelo do MLflow em um ponto de extremidade em lote
- Implantar um modelo personalizado em um ponto de extremidade em lote
- Invocar e solucionar problemas de pontos de extremidade em lote
* os conteúdos podem sofrer alterações, visando melhorias e atualizações, sem prévio aviso
Cortesia
Ao contratar esse treinamento você ganhará a videoaula do curso DP-900: Fundamentos de Dados no Azure (8h).
Recursos
Inclui:
- Aulas ao vivo com Instrutor credenciado e laboratórios oficiais;
- Apostila digital oficial e certificado de participação;
- Acesso a nossa plataforma de ensino imersiva e interativa com: videoaulas para revisão, acompanhamento do seu progresso e avaliação das aulas;
– Se precisar faltar, não se preocupe, pois disponibilizamos a gravação da sua turma por 30 dias.
– Após a contratação, você já terá acesso aos conteúdos e videoaulas completas disponíveis na nossa plataforma.
Prazo de Realização
O prazo máximo é de 6 meses para realizar a totalidade dos cursos e exames adquiridos, contados a partir da contratação. Exceto a cortesia (videoaula) cujo prazo de acesso é de 30 dias.
Por que estudar na green?
- Mais de 3 décadas desenvolvendo profissionais;
- Mais de 458.000 alunos treinados;
- Mais de 8.000 empresas atendidas;
- Centro Oficial Microsoft, AWS, Linux, CISCO e EXIN;
- Centro de Exames VUE, PSI, PeopleCert e EXIN;
- Turmas Abertas em Calendário ou Turmas Fechadas (ou In-Company);
- Instrutores especialistas e dinâmicos com anos de experiência;
- Módulos que aliam teoria à prática, preparando para o mercado e dia a dia.
Vantagens exclusivas
- O aluno tem acesso ao nosso LMS (videoaulas + recursos de apoio) por no mínimo 30 dias;
- Certificado de conclusão de curso;
- Material didático digital;
- Suporte ao aluno por chat, telefone, e-mail ou presencial;
- Você não está sozinho! Cuidamos da sua jornada de capacitação te auxiliando e acompanhando seu progresso.