Concevoir et mettre en œuvre une solution Data Science sur Azure (DP-100T01)
Plan de formation
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 et les diapositives de présentation en classe sont en langue française. L’environnement de laboratoire technique incluant les étapes de configuration est disponible en anglais.
Connaissances pré-requises recommandées
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.
Titre de compétences et certification
Caractéristiques de l’examen
- Code: DP-100
- Titre: Conception et implémentation d’une solution de science des données sur Azure
- Durée: 120 minutes
- Nombre de questions: 40 à 60
- Format de questions: À choix multiples, à réponses multiples, basé sur des scénarios
- Note de passage: 700 de 1000
- Coût: 0$ (inclus dans votre formation)
Sujets de l’examen
- Concevoir et préparer une solution de Machine Learning
- Explorer les données et entraîner des modèles
- Préparer un modèle pour le déploiement
- Déployer et réentraîner un modèle
Consulter tous les détails de l’examen sur Microsoft Learn >>
Article/rédaction Eccentrix Corner
Formation Microsoft Certified: Azure Data Scientist Associate (DP-100)
La formation Microsoft Certified: Azure Data Scientist Associate (DP-100) offre aux professionnels les compétences nécessaires pour concevoir et mettre en œuvre des solutions de science des données à l’aide de Microsoft Azure. Ce cours se concentre sur la création et le déploiement de modèles d’apprentissage automatique, la gestion des ensembles de données et l’utilisation d’Azure Machine Learning pour résoudre des problèmes réels.
Idéale pour les data scientists, les développeurs et les professionnels IT, cette formation prépare également les participants à réussir l’examen DP-100 et à valider leur expertise dans la création de solutions de science des données percutantes.
Pourquoi choisir la formation Azure Data Scientist Associate ?
La science des données est à la pointe de l’innovation, alimentant la prise de décision et les perspectives dans tous les secteurs. Cette formation permet aux participants de tirer parti des outils puissants d’Azure pour créer, former et déployer des modèles d’apprentissage automatique. La certification Azure Data Scientist Associate démontre votre capacité à transformer des données brutes en informations exploitables à l’aide de technologies cloud de pointe.
Grâce à des exercices pratiques et aux conseils d’experts, vous développerez des compétences directement applicables aux projets de science des données, faisant de vous un acteur clé dans toute organisation orientée données.
Compétences développées pendant la formation
Préparer et gérer des ensembles de données
Apprenez à nettoyer, prétraiter et structurer les données pour les modèles d’apprentissage automatique à l’aide des outils Azure.Former et évaluer des modèles d’apprentissage automatique
Acquérez une expertise dans la formation de modèles à l’aide d’Azure Machine Learning, le réglage des hyperparamètres et l’évaluation des performances.Mettre en œuvre des pipelines d’apprentissage automatique
Maîtrisez la création et l’optimisation de pipelines pour automatiser les flux de travail et améliorer l’évolutivité.Déployer des modèles d’apprentissage automatique
Apprenez à déployer des modèles formés en tant que services web, à les intégrer dans des applications et à surveiller leurs performances.Optimiser les performances des modèles
Utilisez des outils tels qu’Azure Machine Learning Designer pour améliorer la précision, l’efficacité et l’évolutivité de vos solutions.Sécuriser et gérer les environnements d’apprentissage automatique
Comprenez comment protéger les données sensibles, gérer les ressources et garantir la conformité avec les meilleures pratiques de sécurité Azure.
La formation Azure Data Scientist Associate est animée par des instructeurs certifiés Microsoft qui fournissent des conseils d’experts et des scénarios réels. Les participants s’engageront dans des exercices interactifs pour développer et déployer des modèles d’apprentissage automatique, garantissant une expérience pratique avec les outils Azure Machine Learning.
Ce cours ne vous prépare pas seulement à l’examen DP-100, mais vous dote également de compétences pratiques pour relever les défis réels en science des données.
À qui s’adresse cette formation ?
Cette formation est idéale pour :
- Les data scientists souhaitant améliorer leurs compétences avec les outils Azure Machine Learning
- Les développeurs intéressés à intégrer des modèles d’apprentissage automatique dans des applications
- Les professionnels IT préparant la certification Azure Data Scientist Associate (DP-100)
- Les organisations cherchant à exploiter des solutions avancées de science des données pour améliorer la prise de décision
Faites progresser votre carrière avec l’expertise en science des données Azure
La formation Microsoft Certified: Azure Data Scientist Associate (DP-100) vous offre les compétences nécessaires pour concevoir et mettre en œuvre des solutions avancées de science des données dans Azure. Inscrivez-vous dès aujourd’hui pour obtenir une certification reconnue à l’échelle mondiale et faire progresser votre carrière en science des données.
Questions fréquemment posées sur la formation Microsoft DP-100 (FAQ)
Quels sujets sont abordés dans la formation DP-100 ?
Le cours inclut la préparation des ensembles de données, la formation des modèles d’apprentissage automatique, la mise en œuvre de pipelines, le déploiement et l’optimisation des performances.
À qui s’adresse ce cours ?
Ce cours est destiné aux data scientists, développeurs et professionnels IT travaillant avec des solutions de science des données et d’apprentissage automatique.
Quels outils et services sont utilisés dans cette formation ?
Les participants utiliseront Azure Machine Learning, Azure Data Factory et des services associés pour gérer et implémenter des solutions d’apprentissage automatique.
Quels sont les prérequis pour ce cours ?
Une connaissance de base de la programmation (Python recommandé), de l’analyse de données et des concepts fondamentaux d’Azure est recommandée.
Comment cette formation prépare-t-elle à la certification DP-100 ?
Le cours est aligné sur les objectifs de l’examen, combinant connaissances théoriques et exercices pratiques pour garantir la réussite.
Cette formation inclut-elle des projets pratiques ?
Oui, les participants travailleront sur des projets pratiques pour appliquer leurs compétences à des scénarios réels.
