DP-100T01: DESIGNING AND IMPLEMENTING A DATA SCIENCE SOLUTION ON AZURE

Inscripción finalizada

DATOS BÁSICOS

Fecha fin inscripcion
Fecha prueba selección
Fecha inicio y fin del curso
Del 14/10/2024 al 24/10/2024
Horarios

Virtual de 16:00 a 20:00

Duración
32 horas
Número expediente
24/0999.009

REQUISITOS

Tener conocimientos básicos de conceptos de informática en la nube y experiencia en técnicas y herramientas generales de ciencia de datos y aprendizaje automático:
· Creación de recursos en la nube en Microsoft Azure.
· Uso de Python para explorar y visualizar datos.
· Entrenamiento y validación de modelos de Machine Learning mediante marcos comunes, como Scikit-Learn, PyTorch y TensorFlow.
Trabajo con contenedores.

FINALIDAD

1. Los alumnos obtendrán una comprensión profunda de la definición y el alcance de la ciencia de datos.<br/>2. Los alumnos conocerán los diversos servicios de Azure relacionados con la ciencia de datos.<br/>3. Los alumnos tendrán la oportunidad de aplicar sus conocimientos para diseñar una solución de ciencia de datos en Azure.<br/>4. Los alumnos comprenderán cómo usar las herramientas de desarrollo de Azure Machine Learning, como Azure Notebooks, Visual Studio Code y Jupyter Notebook.<br/>5. Los alumnos podrán usar Azure Storage, incluido Azure Blob Storage, Azure Data Lake Storage y Azure SQL Database.<br/>6. Los alumnos tendrán la capacidad de usar Azure Cognitive Services, como Microsoft Bot Framework, Language Understanding y las API de Computer Vision.<br/>7. Los alumnos podrán usar Azure Machine Learning Model Management Service para administrar e implementar modelos predictivos.<br/>8. Finalmente, los alumnos tendrán la capacidad de monitorear el rendimiento de sus soluciones de ciencia de datos en Azure.

PROGRAMA

Examen de certificación incluido: DP-100 Designing and Implementing a Data Science Solution on Azure

· Módulo 1: Diseño de una estrategia de ingesta de datos para proyectos de aprendizaje automático
· Módulo 2: Diseño de una solución de entrenamiento de modelos de Machine Learning
· Módulo 3: Diseño de una solución de implementación de modelos
· Módulo 4: Exploración de recursos del área de trabajo de Azure Machine Learning
· Módulo 5: Exploración de las herramientas de desarrollo para la interacción de áreas de trabajo
· Módulo 6: Hacer que los datos estén disponibles en Azure Machine Learning
· Módulo 7: Trabajo con destinos de proceso en Azure Machine Learning
· Módulo 8: Trabajo con entornos de Azure Machine Learning
· Módulo 9: Búsqueda del mejor modelo de clasificación con aprendizaje automático automatizado
· Módulo 10: Seguimiento del entrenamiento de modelos en cuadernos de Jupyter Notebook con MLflow
· Módulo 11: Ejecución de un script de entrenamiento como un trabajo de comando en Azure Machine Learning
· Módulo 12: Seguimiento del entrenamiento del modelo con MLflow en trabajos
· Módulo 13: Ejecución de canalizaciones en Azure Machine Learning
· Módulo 14: Realización del ajuste de hiperparámetros con Azure Machine Learning
· Módulo 15: Implementación de un modelo en un punto de conexión en línea administrado
· Módulo 16: Implementación de un modelo en un punto de conexión por lotes

PROFESORES

JUAN CARLOS
QUIJANO
ABAD

RESPONSABLE DEL CURSO

José Antonio Barrabés

TU COMUNIDAD

Foros de discusión
  • Dudas sobre el curso de Amazon Web Services

    1 hilos
  • Fotografía

    1 hilos
  • Dudas sobre el curso de CSS

    2 hilos