Курс: Облачная аналитика Big Data при помощи машинного обучения в Azure
Продолжительность курса: 40 ак. ч.
Формат обучения:
• Очно - на территории нашего учебного центра или на территории Заказчика (для корпоративных клиентов)
• Онлайн обучение с помощью вебинаров в режиме "здесь и сейчас"
• Дистанционно с помощью системы СДО в любое удобное для вас время
Описание курса:
Цель курса: Предоставить слушателям знания и навыки, необходимые для анализа больших данных и визуализации результата при помощи машинного обучения в Azure. Также в курсе рассмотрены такие инструменты анализа больших данных как HDInsight и R.
Аудитория:
Этот курс предназначен для специалистов, желающих обрабатывать большие объёмы данных с помощью таких современных средств автоматизации, как машинное обучение. Также курс будет интересен специалистам, изучающим HDInsight и R.
Необходимая подготовка:
• Опыт программирования на R и знание распространенных пакетов R
• Знания общих статистических методов анализа данных и лучших практик
• Основные сведения о операционных системах Microsoft Windows
• Опыт работы с реляционными базами данных
Результат обучения:
После изучения курса слушатель будет уметь:
• Объяснить принципы работы механизмов машинного обучения, используемые алгоритмы и языки
• Описать возможности машинного обучения в Azure и перечислить основные функции Azure Machine Learning Studio
• Загружать и исследовать различные типы данных для машинного обучения Azure
• Изучить и использовать методы подготовки наборов данных для использования с машинным обучением Azure
• Изучить и использовать методы подготовки и выборки данных для использования с машинным обучением Azure
• Изучить и использовать регрессионные алгоритмы и алгоритмы работы нейронных сетей в рамках машинного обучения Azure
• Изучить и использовать алгоритмы классификации и кластеризации в рамках машинного обучения Azure
• Использовать преимущества R и Python при работе с машинным обучением Azure
• Изучить и использовать гипер-параметры, множество алгоритмов и моделей для решения аналитических задач
• Предоставить пользователям доступ к результатам отработки моделей машинного обучения Azure
• Изучить и использовать подключения к когнитивным службам (Cognitive Services API) для обработки текста и изображений, создания • рекомендаций и описание использования нейронных сетей в рамках машинного обучения Azure
• Изучить и использовать HDInsight в рамках машинного обучения Azure
• Изучить и использовать язык R и сервер R в рамках машинного обучения Azure
• Объяснить, как развернуть и настроить SQL Server для поддержки служб R
Программа курса:
Модуль 1. Введение в машинное обучение
• Что такое машинное обучение?
• Введение в алгоритмы машинного обучения
• Введение в языки машинного обучения
• Лабораторная работа. Введение в машинное обучение
• Регистрация в Azure
• Тестирование работы
• Оценка работы
Модуль 2. Введение в машинное обучение Azure
• Обзор машинного обучения Azure
• Введение в Azure Machine Learning Studio
• Разработка и размещение приложений машинного обучения Azure
• Лабораторная работа. Введение в машинное обучение Azure
• Изучение Azure Machine Learning Studio
• Клонирование и запуск простого эксперимента
• Клонирование эксперимента, внесение простых изменений и повторный запуск
Модуль 3. Работа с наборами данных
• Классификация данных
• Импорт данных для машинного обучения Azure
• Исследование и преобразование данных в машинном обучении Azure
• Лабораторная работа. Визуализация данных
• Подготовка базы данных SQL Azure
• Импорт данных
• Визуализация данных
• Суммирование данные.
Модуль 4. Подготовка данных для использования машинного обучения Azure
• Предварительная обработка данных
• Обработки неполных данных
• Лабораторная работа. Подготовка данных для использования машинного обучения Azure
• Обзор данных с помощью Power BI
• Зачистка данных
Модуль 5. Использование средств конструирования и выборки
• Использование компонент конструирования
• Использование компонент выбора
• Лабораторная работа. Использование средств конструирования и выборки
• Слияние наборов данных
• Использовать PCA для понижения измерений
• Выбор переменных и редактирование метаданных
Модуль 6. Построение моделей машинного обучения Azure
• Процессы машинного обучения Azure
• Оценка и применение моделей
• Применение регрессионных алгоритмов
• Использование нейронных сетей
• Лабораторная работа. Построение моделей машинного обучения Azure
• Использование модуля Azure machine learning Studio для подключения регрессии
• Оценки моделей машинного обучения
• Добавление дополнительных регрессионных моделей
• Создание и запуск приложений с алгоритмами нейронных сетей
Модуль 7. Классификация и кластеризация в моделях машинного обучения Azure
• Алгоритмы классификации
• Методы кластеризации
• Выбор алгоритмов
• Лабораторная работа. Классификация и кластеризация в моделях машинного обучения Azure
• Использование модулей Azure machine learning Studio для классификации
• Добавить раздел К-среднего в эксперимент
• Добавить PCA для обнаружения аномалий
• Анализ моделей
Модуль 8. Использование R и Python в машинном обучении Azure
• Использование R
• Использование Python
• Использование блокнотов Jupyter
• Поддержка R и Python
• Лабораторная работа. Использование R и Python в машинном обучении Azure
• Добавление скриптов на R и Python
• Использование Python в интегрированной среде разработки Visual Studio
• Добавление блокнота Jupyter
• Запуск блокнота Jupyter
• Импорт пакетов для R/Python
• Визуализация данных с помощью R/Python
• Программирование на R для работы на основе временных рядов
Модуль 9. Инициализация и оптимизация моделей машинного обучения
• Использование гипер-параметров
• Использование нескольких алгоритмов и моделей
• Сравнение и оценка ансамбля
• Лабораторная работа. Инициализация и оптимизация моделей машинного обучения
• Использование гипер-параметров
• Построение ансамбля с помощью стека
• Оценка ансамбля
Модуль 10. Использование моделей машинного обучения Azure
• Развертывание и публикации моделей
• Экспорт данных
• Лабораторная работа. Использование моделей машинного обучения Azure
• Развертывание моделей машинного обучения
• Использование опубликованных моделей
• Экспорт данных
• Использовать экспортированные данные в модели машинного обучения
Модуль 11. Использование когнитивных служб
• Обзор когнитивных служб
• Обработка текста
• Обработка изображений
• Создание рекомендаций
• Лабораторная работа. Использование когнитивных служб
• Создание и запуск приложения обработки текста
• Создание и запуск приложения для обработки изображений
• Создание и запуск приложения с рекомендацией
Модуль 12. Использование машинного обучения с HDInsight
• Введение в HDInsight
• Типы кластеров HDInsight
• HDInsight и модели машинного обучения
• Лабораторная работа. Использование машинного обучения с HDInsight
• Развертывание кластера HDInsight
• Использование кластера HDInsight
• Отображение данных в Power BI
Модуль 13. Использование R-сервисов машинного обучения
• Обзор R и сервера R
• Использование сервера R в моделях машинного обучения
• Использование R с SQL Server
• Лабораторная работа. Использование R-сервисов машинного обучения
• Развертывание DSVM
• Наука о данных в виртуальной машине
• Настройка сервера R
• Запуск образца приложения сервера R
• Развертывание SQL Server 2016 в виртуальной машине Azure
• Настройка SQL Server для разрешения выполнения сценариев R
• Выполнение скриптов R внутри выражений Т-SQL
• Использование R для визуализации данных
Окончательная цена указывается в договоре на обучение.
Записаться на курс