Il corso Corso DP-100T01: Progettazione e implementazione di soluzioni di data science in Azure insegna come utilizzare i servizi di Azure per sviluppare, formare e distribuire soluzioni di apprendimento automatico.
Il corso inizia con una panoramica dei servizi di Azure che supportano l’analisi scientifica dei dati (data science).
Successivamente, nel modulo viene presentato il principale servizio di data science di Azure, ossia Azure Machine Learning, usato per automatizzare la pipeline dell’analisi scientifica.
Il corso è incentrato su Azure e non insegna agli studenti il merito del come effettuare le analisi.
Questo corso è progettato per i data scientist con conoscenze di Python e framework di machine learning come Scikit-Learn, PyTorch e Tensorflow, che desiderano creare e gestire soluzioni di machine learning nel cloud.
Il programma del corso comprende i seguenti moduli:
- Progettare una strategia di inserimento dati per i progetti di Machine Learning
- Progettare una soluzione di training del modello di Machine Learning
- Progettare una soluzione di distribuzione modello
- Esplorare le risorse e gli asset dell'area di lavoro Azure Machine Learning
- Esplorare gli strumenti di sviluppo per l'interazione con l'area di lavoro
- Rendere disponibili i dati in Azure Machine Learning
- Usare le destinazioni di calcolo in Azure Machine Learning
- Usare gli ambienti in Azure Machine Learning
- Trovare il modello di classificazione migliore con Machine Learning automatizzato
- Tenere traccia del training dei modelli nei notebook di Jupyter con MLflow
- Eseguire uno script di training come processo di comando in Azure Machine Learning
- Tenere traccia del training dei modelli con MLflow nei processi
- Eseguire pipeline in Azure Machine Learning
- Eseguire l'ottimizzazione degli iperparametri con Azure Machine Learning
- Distribuire un modello in un endpoint online gestito
- Distribuire un modello in un endpoint batch
- Il corso si svolgerà in modalità online live streaming, con il docente che terrà le lezioni in diretta. I partecipanti dovranno avere a disposizione un Personal Computer e, preferibilmente, un secondo schermo.
- Le lezioni saranno registrate e le registrazioni saranno accessibili ai partecipanti per un periodo di due mesi dalla fine del corso.
- Saranno forniti materiali didattici di supporto, come MOC, libri o altre risorse, a seconda della disponibilità.
- Al termine del corso, coloro che avranno partecipato ad almeno l'80% delle lezioni riceveranno un attestato di frequenza.
Prima di partecipare a questo corso, gli studenti devono:
- Saper programmare nel linguaggio di programmazione Python e usare le raccolte Python: pytorch, scikit-learn e tensorflow
