MOC DP100 Designing and Implementing a Data Science Solution on Azure

Questo programma formativo mira a soddisfare le esigenze degli specialisti dei dati che possiedono già una conoscenza consolidata di Python e dei principali framework di machine learning, quali Scikit-Learn, PyTorch e Tensorflow. L’obiettivo è fornire loro le competenze necessarie per progettare e implementare soluzioni di machine learning in ambienti cloud.

Per frequentare con profitto questo corso è necessario possedere i seguenti prerequisiti:

• conoscenza basilare di Azure che si può ottenere frequentando il corso AZ-900 – Azure Fundamentals;
• esperienza di scrittura di codice Python per lavorare con i dati, utilizzando librerie come Numpy, Pandas e Matplotlib;
• comprensione della scienza dei dati (incluso come preparare i dati e formare modelli di machine learning), usando le comuni librerie di machine learning come Scikit-Learn, PyTorch o Tensorflow.

Al termine di questo corso gli allievi saranno in grado di:

• Progettare una soluzione di ingestione dei dati per i dati di formazione utilizzati nei progetti di apprendimento automatico
• Progettare una soluzione di formazione dei modelli per progetti di apprendimento automatico
• Capire come verrà consumato un modello
• Decidere se distribuire il modello a un endpoint in tempo reale o in batch
• Creare un’area di lavoro Azure Machine Learning
• Identificare le risorse e gli asset
• Addestrare i modelli nell’area di lavoro
• Interagire con l’area di lavoro Azure Machine Learning
• Lavorare con gli URI (Uniform Resource Identifier)
• Creare e utilizzare i datastore
• Creare e utilizzare risorse di dati
• Scegliere il target di calcolo appropriato
• Creare e utilizzare un’istanza di calcolo
• Creare e utilizzare un cluster di calcolo
• Utilizzare gli ambienti di Azure Machine Learning per eseguire script su qualsiasi target di calcolo
• Trovare il miglior modello di classificazione con l’apprendimento automatico (AutoML)
• Usare MLflow per il tracciamento dei modelli quando si sperimenta nei notebook
• Convertite il vostro codice in uno script ed eseguitelo come job di comando in Azure Machine Learning
• Tracciare l’addestramento del modello con MLflow nei job durante l’esecuzione degli script
• Creare e utilizzare componenti per costruire pipeline in Azure Machine Learning
• Eseguire la regolazione degli iperparametri con un lavoro di sweep in Azure Machine Learning
• istribuire i modelli a un endpoint online gestito per l’inferenza in tempo reale
• Distribuire i modelli a un endpoint batch
• Lavorare con i dati in Azure Databricks
• Addestrare un modello di apprendimento automatico con Azure Databricks
• Utilizzare MLflow per tenere traccia delle esecuzioni degli esperimenti e delle metriche
• Gestire i modelli di apprendimento automatico in Azure Databricks
• Eseguire gli esperimenti di Azure Databricks in Azure Machine Learning
• Distribuire i modelli addestrati negli endpoint di Azure Machine Learning

Design a machine learning solution
Explore the Azure Machine Learning workspace
Work with data in Azure Machine Learning
Work with compute in Azure Machine Learning
Automate machine learning model selection with Azure Machine Learning
Use notebooks for experimentation in Azure Machine Learning
Train models with scripts in Azure Machine Learning
Optimize model training with pipelines in Azure Machine Learning
Manage and review models in Azure Machine Learning
Deploy and consume models with Azure Machine Learning

Il corso include:

• un manuale ufficiale Microsoft Learning (in lingua inglese) accessibile online, di durata illimitata;
• un ambiente di Laboratorio con macchine virtuali accessibili online per 180 giorni dalla data del corso;
  
• un voucher per iscriversi all’esame di certificazione (valore 165 euro);
• un attestato di frequenza inviato via e-mail una settimana dopo il termine del corso.

Ed inoltre un Kit di Simulazione d’Esame (Practice Test), accessibile per 180 giorni sul sito measureup.com, del valore di 89 Euro.
(da attivare entro tre mesi dal corso)