Formación

Microsoft Data Scientist

Información del

Programa

Consulta los detalles

Duración

65 horas

Localidad

Madrid

Modalidad

Online Direct via Teams

Precio

995€

Formación Microsoft Data Scientist

Formación práctica para aprender ciencia de datos y machine learning con herramientas Microsoft Azure. Crea, entrena y despliega modelos predictivos para impulsar decisiones basadas en datos. Ideal para profesionales que quieren especializarse en IA y análisis avanzado.

Formación Microsoft Data Scientist

Requisitos

Experiencia en el desarrollo y ajuste de modelos de aprendizaje automático.

Conocimientos previos de Python y experiencia en programación.

Formación Microsoft Data Scientist

Objetivos

Administrar la ingesta y preparación de datos a escala utilizando Azure Machine Learning.

Aprovechar las capacidades avanzadas de la nube para construir soluciones de aprendizaje automático escalables y eficientes.

Entrenar modelos de aprendizaje automático con Python y frameworks como Scikit-Learn, PyTorch y TensorFlow.

Temario

Descárgate el programa completo

Módulo 1: Exploración de recursos del área de trabajo de Azure Machine Learning

Módulo 2: Exploración de las herramientas de desarrollo para la interacción de áreas de trabajo

Módulo 3 :Hacer que los datos estén disponibles en Azure Machine Learning

Módulo 4: Trabajo con destinos de proceso en Azure Machine Learning

Módulo 5: Trabajo con entornos en Azure Machine Learning

Módulo 6: Búsqueda del mejor modelo de clasificación con aprendizaje automático automatizado

Módulo 7: Seguimiento del entrenamiento de modelos en cuadernos de Jupyter Notebook con MLflow

Módulo 8: Ejecución de un script de entrenamiento como un trabajo de comando en Azure Machine Learning

Módulo 9: Seguimiento del entrenamiento del modelo con MLflow en trabajos

Módulo 10: Realización del ajuste de hiperparámetros con Azure Machine Learning

Módulo 11: Ejecución de canalizaciones en Azure Machine Learning

Módulo 12: Registro de un modelo de MLFlow en Azure Machine Learning

Módulo 13: Crear y explorar el panel de inteligencia artificial responsable para un modelo en Azure Machine Learning

Módulo 14: Implementación de un modelo en un punto de conexión en línea administrado

Módulo 15: Implementación de un modelo en un punto de conexión por lotes

Módulo 16: Introducción a Azure AI Foundry

Módulo 17: Exploración e implementación de modelos desde el catálogo de modelos en el portal de Azure AI Foundry

Módulo 18: Introducción al flujo de avisos para desarrollar aplicaciones de modelos lingüísticos en Azure AI Foundry

Módulo 19: Creación de un agente basado en RAG con sus propios datos mediante Azure AI Foundry

Módulo 20: Ajuste de un modelo de lenguaje con Azure AI Foundry

Módulo 21: Evaluación del rendimiento de las aplicaciones de IA generativas con Azure AI Foundry

Módulo 22: Inteligencia artificial generativa responsable

Módulo 23: Power BI para científicos de datos

Integrar modelos ML en Power BI
Crear dashboards interactivos
Lenguaje DAX para cálculos complejos
Conexión a Azure ML datasets

Módulo 24: Azure Synapse Analytics

Integración con Data Lakes
Data Warehousing en Azure Synapse Analytics
Análisis de datos en Azure Synapse Analytics

Módulo 25: AI Responsable

Principios de AI responsable

Módulo 26: Azure Cognitive Services

Computer Vision APIs
Text Analytics (sentiment, key phrases, entity recognition)
Speech Services
Form Recognizer (document AI)