FORMACIÓN OFICIAL MICROSOFT | CURSOS EN MADRID


DP-3007 Entrenamiento e implementación de un modelo de Machine Learning con Azure Machine Learning

Duración: 5 horas

Para desarrollar un modelo de Aprendizaje Automático utilizando Azure Machine Learning, es crucial garantizar la disponibilidad de los datos y configurar los procesos requeridos. Una vez que el modelo ha sido entrenado y se han registrado las métricas pertinentes utilizando MLflow, se puede considerar la implementación del modelo en un servicio en línea para realizar predicciones en tiempo real. Durante este proceso de aprendizaje, se explorará la configuración del espacio de trabajo en Azure Machine Learning, seguido por la fase de entrenamiento y posterior implementación de un modelo de Aprendizaje Automático.


Inicio / Cursos / Formación Oficial de Microsoft / Applied Skills / DP-3007 Entrenamiento e implementación de un modelo de Machine Learning con Azure Machine Learning

Requisitos Previos

No hay requisitos previos.

Modalidad formativa

Presencial en Gadesoft: Madrid.
Presencial en cliente: En sus instalaciones. Toda la península.
Online Direct: Mediante herramientas de videoconferencia (Microsoft Teams), en directo con el instructor. Pantalla compartida, interacción, seguimiento total.

Objetivos

Contenidos

Manual oficial de Microsoft.
Laboratorios de prácticas.
Opcional: Voucher de certificación.

Fechas

Próximas fechas de convocatoria para el curso:

Certificación

TEMARIO

  1. Hacer que los datos estén disponibles en Azure Machine Learning
    • Introducción
    • Descripción de los URI
    • Creación de un almacén de datos
    • Crear un recurso de datos
    • Ejercicio: Hacer que los datos estén disponibles en Azure Machine Learning
    • Prueba de conocimientos
    • Resumen
  2. Trabajo con destinos de proceso en Azure Machine Learning
    • Introducción
    • Elección del destino de proceso adecuado
    • Creación y uso de una instancia de proceso
    • Creación y uso de un clúster de proceso
    • Ejercicio: Trabajo con recursos de proceso
    • Prueba de conocimientos
    • Resumen
  3. Trabajo con entornos en Azure Machine Learning
    • Introducción
    • Información sobre los entornos
    • Exploración y uso de entornos mantenidos
    • Creación y uso de entornos personalizados
    • Ejercicio: Trabajo con entornos
    • Prueba de conocimientos
    • Resumen
  4. Ejecución de un script de entrenamiento como un trabajo de comando en Azure Machine Learning
    • Introducción
    • Conversión de un cuaderno en un script
    • Ejecución de un script como trabajo de comando
    • Uso de parámetros en un trabajo de comando
    • Ejercicio: Ejecución de un script de entrenamiento como un trabajo de comando
    • Comprobación de conocimiento
    • Resumen
  5. Seguimiento del entrenamiento del modelo con MLflow en trabajos
    • Introducción
    • Realización de un seguimiento de métricas con MLflow
    • Visualización de métricas y evaluación de modelos
    • Ejercicio: Uso de MLflow para realizar un seguimiento de los trabajos de entrenamiento
    • Comprobación de conocimiento
    • Resumen
  6. Registro de un modelo de MLFlow en Azure Machine Learning
    • Introducción
    • Registro de modelos con MLflow
    • Descripción del formato de modelos de MLflow
    • Registro de un modelo de MLflow
    • Ejercicio: registro de modelos con MLflow
    • Comprobación de conocimiento
    • Resumen
  7. Implementación de un modelo en un punto de conexión en línea administrado
    • Introducción
    • Exploración de puntos de conexión en línea administrados
    • Implementación de un modelo de MLflow en un punto de conexión en línea administrado
    • Implementación de un modelo en un punto de conexión en línea administrado
    • Prueba de puntos de conexión en línea administrados
    • Ejercicio: Implementación de un modelo de MLflow en un punto de conexión en línea
    • Prueba de conocimientos
    • Resumen
Ponte en contacto con nosotros