logo

Microsoft Certified: Azure Data Scientist Associate (DP100)

Cette formation Microsoft certifiante de trois jours découvre comment exploiter des solutions d'apprentissage automatique à l'échelle du cloud à l'aide d'Azure Machine Learning. Ce cours vous apprend à tirer parti de vos connaissances existantes de Python et de l'apprentissage automatique pour gérer l'ingestion et la préparation des données, la formation et le déploiement de modèles et la surveillance des solutions d'apprentissage automatique dans Microsoft Azure.

Il s'agit d'un cours fournissant une préparation complète à l'examen DP-100: Designing and Implementing a Data Science Solution on Azure pour l'obtention de la certification Microsoft Certified: Azure Data Scientist Associate.

Microsoft

Solutions applicables

Classe publique

Classe virtuelle
Date planifiéeDate planifiée
11 Décembre 2023
$2495$
 
Français
Classe virtuelle
Date planifiéeDate planifiée
22 Janvier 2024
$2495$
 
Français
Classe virtuelle
Date garantieDate garantie
4 Mars 2024
$2495$
 
Français
Classe virtuelle
Date planifiéeDate planifiée
15 Avril 2024
$2495$
 
Français
1895$
Durée: 
4 jours / 28 heures

Classe privée

Classe virtuelle
Nombre de participants minimum: 5
4 jours / 28 heures
Prix sur demande
français ou anglais
Plan de formation: 

Concevoir et mettre en œuvre une solution Data Science sur Azure (DP-100T01)

Module 1: Concevoir une stratégie d’ingestion de données pour des projets Machine Learning

  • Identifier votre source de données et votre format
  • Choisir comment distribuer des données aux workflows Machine Learning
  • Concevoir une solution d’ingestion de données

Module 2: Concevoir une solution de formation de modèle Machine Learning

  • Identifier les tâches Machine Learning
  • Choisir un service pour effectuer l'apprentissage d’un modèle Machine Learning
  • Décider entre les options de calcul

Module 3: Concevoir une solution de déploiement de modèle

  • Comprendre comment le modèle est consommé
  • Choisir un déploiement en temps réel ou par lots

Module 4: Explorer les ressources et les actifs de l’espace de travail Azure Machine Learning

  • Création d’un espace de travail Microsoft Azure Machine Learning
  • Identifier les ressources Azure Machine Learning
  • Identifier les actifs Azure Machine Learning
  • Former des modèles dans l’espace de travail

Module 5: Explorer les outils de développement pour l’interaction de l’espace de travail

  • Explorer le studio
  • Explorer le SDK Python
  • Explorer l’interface CLI

Module 6: Rendre les données disponibles dans Azure Machine Learning

  • Comprendre les URI
  • Créer une banque de données
  • Créer une ressource de données

Module 7: Utiliser des cibles de calcul dans Azure Machine Learning

  • Créer et utiliser une instance de calcul
  • Créer et utiliser une instance de calcul
  • Créer et utiliser un cluster de calcul

Module 8: Utiliser des environnements dans Azure Machine Learning

  • Comprendre les environnements
  • Explorer et utiliser des environnements curés
  • Créer et utiliser des environnements personnalisés

Module 9: Trouver le meilleur modèle de classification avec le Machine Learning automatisé

  • Prétraiter les données et configurer la caractérisation
  • Exécuter une expérience de Machine Learning automatisé
  • Évaluer et comparer des modèles

Module 10: Suivre la formation du modèle dans les notebooks Jupyter avec MLflow

  • Configurer MLflow pour le suivi des modèles dans les notebooks
  • Former et suivre des modèles dans des notebooks

Module 11: Exécuter un script d’entraînement en tant que travail de commande dans Azure Machine Learning

  • Convertir un notebook en script
  • Exécuter un script en tant que travail de commande
  • Utiliser des paramètres dans un travail de commande

Module 12: Suivre la formation du modèle avec MLflow dans les travaux

  • Suivre les métriques avec MLflow
  • Afficher les métriques et évaluer les modèles

Module 13: Exécuter des pipelines dans Azure Machine Learning

  • Créer des composants
  • Créer un pipeline
  • Exécuter un travail de pipeline

Module 14: Effectuer le réglage des hyperparamètres avec Azure Machine Learning

  • Définir un espace de recherche
  • Configurer une méthode d’échantillonnage
  • Configuration de l’arrêt anticipé
  • Utiliser un travail de balayage pour le réglage des hyperparamètres

Module 15: Déployer un modèle sur un point de terminaison en ligne managé

  • Explorer les points de terminaison en ligne managés
  • Déployer votre modèle MLflow sur un point de terminaison en ligne managé
  • Déployer un modèle sur un point de terminaison en ligne managé
  • Tester des points de terminaison en ligne managés

Module 16: Déployer un modèle sur un point de terminaison de lot

  • Comprendre et créer des points de terminaison de lot
  • Déployer votre modèle MLflow sur un point de terminaison de lot
  • Déployer un modèle personnalisé sur un point de terminaison de lot
  • Appeler les points de terminaison de lot et résoudre les problèmes

*La littérature fournie est en langue anglaise.

Exclusivités: 
  • Un an d'accès à l'enregistrement vidéo de votre cours
  • 180 jours d'accessibilité au laboratoire technique sur Internet
  • Bon de participation à l'examen inclus
  • Matériel didactique à jour avec Microsoft Learn
  • Badge de réussite du cours Microsoft
Pré-requis: 

Avant d'assister à cette formation, les étudiants doivent avoir:

  • obtenu la certification Microsoft Certified: Azure Data Fundamentals (DP900) ou avoir les connaissances équivalentes.
  • compris la science des données, y compris la préparation des données, la formation des modèles et l’évaluation des modèles en compétition pour choisir le meilleur.
  • programmé dans la langue de programmation Python et utilisé les bibliothèques Python: Pandas, Scikit-learn, Matplotlib et Seaborn.
Informations sur la certification: 

Caractéristiques de l'examen:

  • Code de l'examen: DP-100
  • Coût: 0$ (inclus dans votre formation)
  • Compétences mesurées
    • Mettre en place un espace de travail Azure Machine Learning
    • Exécuter des expériences et former les modèles 
    • Optimiser et gérer les modèles 
    • Déployer et consommer les modèles 
  • Tous les détails... 

Contactez-nous pour des informations sur le prix:

Eccentrix
Teléphone: 1-888-718-9732
Courriel: info@eccentrix.ca

2000, McGill College, 6e étage
Montréal, Québec H3A 3H3
www.eccentrix.ca