Corso Designing and Implementing a Data Science Solution on Azure DP-100

Obiettivi | Certificazione | Contenuti | Tipologia | Prerequisiti | Durata e Frequenza | Docenti | Modalità di Iscrizione | Calendario

Il Corso DP-100 Designing and Implementing a Data Science Solution on Azure è un programma di formazione che si concentra sull’acquisizione delle competenze necessarie per progettare, sviluppare e implementare soluzioni di data science su Microsoft Azure. I partecipanti impareranno a utilizzare gli strumenti e i servizi offerti dalla piattaforma Azure per gestire, analizzare e ottenere informazioni da grandi quantità di dati.
Nel corso, i partecipanti saranno introdotti a una varietà di servizi e tecnologie cloud, tra cui Azure Machine Learning, Azure Databricks e Azure Synapse Analytics. Si imparerà a creare modelli di apprendimento automatico utilizzando il linguaggio di programmazione Python e a utilizzare le librerie di data science come scikit-learn, TensorFlow e PyTorch. Inoltre, i partecipanti acquisiranno competenze nella creazione e gestione di pipeline di data science, nell’ottimizzazione e monitoraggio dei modelli e nell’integrazione delle soluzioni con altre applicazioni e servizi Azure. Il corso è strutturato per includere sia lezioni teoriche che pratiche, permettendo ai partecipanti di applicare le conoscenze apprese attraverso esercitazioni, progetti e casi di studio. Questo approccio combinato assicura che i partecipanti abbiano una comprensione solida dei concetti teorici e siano in grado di mettere in pratica le competenze acquisite. Il corso contribuisce alla preparazione dell’esame di Certificazione Azure Data Scientist Associate.

Obiettivi del corso

Di seguito una sintesi degli obiettivi principali del Corso Designing and Implementing a Data Science Solution on Azure DP-100:

• Utilizzare Azure Machine Learning e Azure Databricks.
• Creare modelli di apprendimento automatico con Python.
• Gestire pipeline di data science.
• Ottimizzare e monitorare i modelli di data science.
• Integrare soluzioni di data science con altre applicazioni e servizi Azure.

Certificazione del corso

Esame DP-100 Azure Data Scientist Associate; Questo esame valuta la capacità dei candidati di progettare e implementare soluzioni di data science su Microsoft Azure. Testa competenze nell’utilizzo di Azure Machine Learning e Azure Databricks, nonché nella creazione di modelli di apprendimento automatico con Python. Include anche la gestione di pipeline di data science, l’ottimizzazione e il monitoraggio dei modelli di apprendimento automatico. La conoscenza dell’integrazione delle soluzioni di data science con altre applicazioni e servizi Azure è anch’essa oggetto di valutazione.

Contenuti del corso

• Determine the appropriate compute specifications for a training workload
• Describe model deployment requirements
• Select which development approach to use to build or train a model

• Create an Azure Machine Learning workspace
• Manage a workspace by using developer tools for workspace interaction
• Set up Git integration for source control
• Create and manage registries

• Select Azure Storage resources
• Register and maintain datastores
• Create and manage data assets

• Create compute targets for experiments and training
• Select an environment for a machine learning use case
• Configure attached compute resources, including Apache Spark pools
• Monitor compute utilization

• Access and wrangle data during interactive development
• Wrangle interactive data with Apache Spark

• Create a training pipeline
• Consume data assets from the designer
• Use custom code components in designer
• Evaluate the model, including responsible AI guidelines

• Use automated machine learning for tabular data
• Use automated machine learning for computer vision
• Use automated machine learning for natural language processing
• Select and understand training options, including preprocessing and algorithms
• Evaluate an automated machine learning run, including responsible AI guidelines

• Develop code by using a compute instance
• Track model training by using MLflow
• Evaluate a model
• Train a model by using Python SDKv2
• Use the terminal to configure a compute instance

• Select a sampling method
• Define the search space
• Define the primary metric
• Define early termination options

• Configure job run settings for a script
• Configure compute for a job run
• Consume data from a data asset in a job
• Run a script as a job by using Azure Machine Learning
• Use MLflow to log metrics from a job run
• Use logs to troubleshoot job run errors
• Configure an environment for a job run
• Define parameters for a job

• Create a pipeline
• Pass data between steps in a pipeline
• Run and schedule a pipeline
• Monitor pipeline runs
• Create custom components
• Use component-based pipelines

• Describe MLflow model output
• Identify an appropriate framework to package a model
• Assess a model by using responsible AI guidelines

• Configure settings for online deployment
• Configure compute for a batch deployment
• Deploy a model to an online endpoint
• Deploy a model to a batch endpoint
• Test an online deployed service
• Invoke the batch endpoint to start a batch scoring job

• Trigger an Azure Machine Learning job, including from Azure DevOps or GitHub
• Automate model retraining based on new data additions or data changes
• Define event-based retraining triggers

Tipologia

Corso di Formazione con Docente

Docenti

I docenti sono Istruttori Autorizzati Microsoft e in altre tecnologie IT, con anni di esperienza pratica nel settore e nella Formazione.

Infrastruttura laboratoriale

Per tutte le tipologie di erogazione, il Corsista può accedere alle attrezzature e ai sistemi presenti nei Nostri laboratori o direttamente presso i data center del Vendor o dei suoi provider autorizzati in modalità remota h24. Ogni partecipante dispone di un accesso per implementare le varie configurazioni avendo così un riscontro pratico e immediato della teoria affrontata. Ecco di seguito alcuni scenari tratti dalle attività laboratoriali:

Dettagli del corso

Prerequisiti

I partecipanti dovranno avere basi delle teorie Machine Learning attraverso uno dei seguenti framework Scikit-Learn, PyTorch, o TensorFlow, e basi di programmazione Python.

Durata del corso

• Durata Intensiva 3gg;

Frequenza

Varie tipologie di Frequenza Estensiva ed Intensiva.

Date del corso

• Corso Designing and Implementing a Data Science Solution on Azure (Formula Intensiva) – Su richiesta – 09:00 – 17:00

Le iscrizioni sono a numero chiuso per garantire ai tutti i partecipanti un servizio eccellente.
L’iscrizione avviene richiedendo di essere contattati dal seguente Link, o contattando la sede al numero verde 800-177596 o inviando una richiesta all’email [email protected].