fbpxl
Global - (+34) 91 414 89 50 | N. America - (800) 757 6543 contact@solidq.com

Formación Privada | Clase presencial

AI Bootcamp for Professional AI Developers

Este workshop ofrece laboratorios que desarrollan las competencias profesionales en lo servicios orientados de AI de Microsoft como Azure Machine Learning Workbench and Services, Team Data Science Process, Visual Studio Team Services, Azure Batch AI, y Azure Container Services.

Próximas Fechas

No hay clases programadas para este curso en este momento. Por favor, envíenos una solicitud de información para obtener más información.

Modalidades del Curso

Formación Privada.

Esta modalidad permitirá a tu empresa poder contratar la formación de manera privada para que asista todo tu equipo.

2 Días de Clase Presencial.

El curso está programado para cursarlo en una sala con aforo de máximo 20 personas para poder atender a todas las personas asistentes adecuadamente.

Pre-requisitos

Antes de asistir al bootcamp es imprescindible realizar una serie de instalaciones. Tardarás aproximadamente 2,5 horas en total. Si no lo haces antes de asistir a la formación, tendrás que realizarlo mientras los demás trabajan en las actividades previstas y te será complicado mantener la atención, pudiendo quedarte lagunas para los siguientes del temario. Para asegurarnos, deberás traer el código “Web Service ID” (descrito a continuación) para iniciar sesión en el evento.

Necesitarás:

  • Una cuenta de Microsoft Azure donde crear recursos (una cuenta de organización, de suscripción MSDN o de prueba).
  • Una cuenta de Microsoft Azure Machine Learning Experimentation and Model Management
  • Un portátil Windows donde poder instalar software o una máquina virtual Windows Data Science (mínimo D4sV3)
Después del del Curso

Entenderás el uso de Team Data Science Process (TDSP) para definir los objetivos de negocio y los criterios de éxito. Aprenderás a:

  • Utilizar un sistema code-repository con Azure Machine Learning Workbench mediante la estructura TDSP.
  • Crear un entorno de pruebas.
  • Utilizar TDSP y AMLS para la adquisición y la comprensión de datos.
  • Utilizar TDSP y AMLS para crear un experimento con un modelo y distintos métodos de evaluación.
  • Utilizar TDSP y AMLS para la implementación.
  • Utilizar TDSP y AMLS para el cerrar proyectos con aceptación por parte del cliente.
  • Ejecutar flujos de trabajo de preparación de datos y probar los modelos con Data Science Virtual Machines (con o sin GPUs) y HDInsight Clusters running Spark.
  • Administrar y comparar modelos con Azure Machine Learning.
  • Explorar hiperparámetros en Spark usando Azure Machine Learning.
  • Aprovechar la capacitación en Batch AI para la capacitación paralela en GPUs.
  • Implementar y consumir un servicio de puntuación en Azure Container Service.
  • Recopilar y analizar datos de un servicio de puntuación en producción para avanzar en el ciclo de vida de la ciencia de datos.

Contenido del curso

Módulo 1. Introduction and context.

Labs

Lab 3.1: Introduction to Team Data Science Process with Azure Machine Learning.
Lab 3.2: Comparing and Managing Models with Azure Machine Learning.
Lab 3.3: Deploying a data engineering or model training workflow to a remote execution environment.
Lab 3.4: Managing conda environments for Azure Machine Learning workflows
Summary and White-board Discussion.

Módulo 2. Introduction and context.

Labs

Lab 4.1: Explore hyper-parameters on Spark using Azure Machine Learning.
Lab 4.2: Leverage Batch AI Training for parallel training on GPUs.
Lab 4.3: Deploying a scoring service to Azure Container Service.
Lab 4.4: Consuming the final service.
Lab 4.5: Collect and Analyzing Data from a scoring service.
Summary and White-board Discussion.

Contacta con Nosotros

¿Necesitas más información o un presupuesto para formación privada?