Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire
Expérience recommandée
Expérience recommandée
Niveau intermédiaire
De solides bases dans les concepts de ML, Python et les services Azure sont essentielles pour réussir à concevoir et mettre en œuvre des solutions de ML dans le cloud.
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire
Expérience recommandée
Expérience recommandée
Niveau intermédiaire
De solides bases dans les concepts de ML, Python et les services Azure sont essentielles pour réussir à concevoir et mettre en œuvre des solutions de ML dans le cloud.
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
Apprenez de nouveaux concepts auprès d'experts du secteur
Acquérez une compréhension de base d'un sujet ou d'un outil
Développez des compétences professionnelles avec des projets pratiques
Obtenez un certificat professionnel partageable
Il y a 3 modules dans ce cours
Bienvenue à la formation Azure ML : Conception et préparation de solutions d'apprentissage automatique Cette formation est conçue pour fournir une base complète en science des données et en apprentissage automatique, en dotant les apprenants de connaissances essentielles sur les principes clés de l'apprentissage automatique, la gestion des données et les applications du monde réel. Les participants exploreront la gestion des environnements d'apprentissage automatique et des flux de données dans Azure, en acquérant une expertise pratique dans Azure Data Factory, Synapse Analytics et Azure ML SDK (v2) pour rationaliser les opérations du cycle de vie ML. En outre, le cours couvre la conception de solutions ML de bout en bout et d'architectures MLOps, en garantissant des stratégies efficaces de déploiement de modèles, de surveillance et de recyclage à l'aide d'Apache Spark et de flux de travail évolutifs. Les apprenants acquerront la capacité de sélectionner les services optimaux et les options de calcul, de différencier le déploiement de modèles en temps réel et par lots, et d'organiser efficacement les environnements Azure ML. Ce cours est divisé en trois modules, chacun contenant des leçons structurées et des conférences vidéo pour améliorer la compréhension. Les participants suivront environ 3 à 4 heures de cours vidéo, offrant à la fois des aperçus théoriques et des connaissances pratiques. Pour renforcer l'apprentissage, des devoirs notés et non notés sont inclus dans chaque module, permettant aux apprenants d'évaluer leur compréhension et l'application des concepts clés. Module 1 : Démarrer avec Microsoft Data Analytics Module 2 : Préparer une solution d'apprentissage automatique Module 3 : Concevoir une solution d'apprentissage automatique À la fin de ce cours, vous serez en mesure d'apprendre Comprendre les concepts de base de la science des données, de l'apprentissage automatique et le rôle d'un scientifique des données.
Apprendre les différents types d'apprentissage automatique et leurs applications dans le monde réel. Explorer les aspects clés des données, la terminologie ML commune, et les fondations statistiques essentielles pour la modélisation. Obtenir un aperçu de divers modèles d'apprentissage automatique et comment sélectionner des solutions appropriées. Ce cours est pour les scientifiques de données, les analystes de données, les ingénieurs ML, et les associés ML, ceux qui travaillaient principalement avec la plate-forme Microsoft Azure Cloud
Ce cours offre une compréhension complète de la science des données et de l'apprentissage automatique, en se concentrant sur les concepts essentiels et leurs applications. Il met l'accent sur les principes fondamentaux de l'analyse des données, de la modélisation statistique et des techniques d'apprentissage automatique, favorisant une base solide pour la mise en œuvre pratique. Les participants obtiendront des informations précieuses sur les différents types d'apprentissage automatique, les cas d'utilisation du monde réel et les meilleures pratiques pour sélectionner les modèles appropriés. Le cours couvre également la terminologie clé de ML, le prétraitement des données, et les bases statistiques nécessaires pour construire des solutions robustes, préparant les apprenants à la fois à l'évaluation théorique et aux projets pratiques.
Inclus
12 vidéos2 lectures2 devoirs1 sujet de discussion
Afficher les informations sur le contenu du module
12 vidéos•Total 87 minutes
Introduction à la certification DP-100•5 minutes
Aperçu de l'examen•6 minutes
Science des données et Data Scientist - Vue d'ensemble•6 minutes
Compétences du Data Scientist - Vue d'ensemble•6 minutes
Processus de la Science des données - Vue d'ensemble•6 minutes
Solutions d'apprentissage automatique pour les scientifiques des données•8 minutes
Qu'est-ce que l'apprentissage automatique ?•8 minutes
Types d'apprentissage automatique•8 minutes
Explorer différents aspects des données dans l'apprentissage automatique•8 minutes
Terminologies courantes utilisées dans l'Apprentissage automatique•8 minutes
Aspects fondamentaux des statistiques•8 minutes
Modèles d'apprentissage automatique•10 minutes
2 lectures•Total 60 minutes
Bienvenue au cours•30 minutes
Démarrer avec Microsoft Analytique des données - Vue d'ensemble•30 minutes
2 devoirs•Total 70 minutes
Fondements de la Science des données et de l'Apprentissage automatique - Travaux pratiques•30 minutes
Démarrer avec Microsoft Data Analytique des données - Travail noté•40 minutes
1 sujet de discussion•Total 20 minutes
Rencontre et accueil•20 minutes
Préparer une solution d'apprentissage automatique
Module 2•2 heures à terminer
Détails du module
Ce cours offre une compréhension approfondie de la gestion et de l'utilisation des ensembles de données au sein des flux de travail Azure ML à l'aide d'Azure Data Factory et de Synapse Analytics. Il met l'accent sur les principes de configuration et de gestion des environnements d'Apprentissage automatique Azure via la CLI et le SDK (v2), assurant une intégration et une automatisation transparentes. Les participants exploreront les techniques de partage des ressources entre les espaces de travail, l'optimisation de l'évolutivité avec les registres, et la conception de flux de travail d'apprentissage automatique efficaces. En outre, le cours approfondit la surveillance, le recyclage et la mise à l'échelle des modèles ML à l'aide d'Apache Spark et des pratiques MLOps, renforçant ainsi les meilleures pratiques pour la gestion du cycle de vie dans les environnements de production.
Inclus
7 vidéos1 lecture2 devoirs
Afficher les informations sur le contenu du module
7 vidéos•Total 48 minutes
Jeux de données dans Azure Data Factory et Azure Synapse Analytics•4 minutes
Gérer les environnements d'apprentissage automatique Azure avec la CLI et le SDK (v2)•8 minutes
Gérer les environnements d'apprentissage automatique Azure avec le SDK (v2)•7 minutes
Partager les actifs entre les espaces de travail à l'aide de registres•7 minutes
Conception pour la surveillance•6 minutes
Conception pour la reconversion•6 minutes
Apache Spark dans Azure Apprentissage automatique•9 minutes
Conception d'une solution d'Apprentissage automatique
Module 3•3 heures à terminer
Détails du module
Ce cours offre une plongée profonde dans l'identification des sources de données appropriées, des formats et des stratégies d'ingestion pour les projets d'apprentissage automatique dans Azure, assurant un traitement efficace des données. Il met l'accent sur les principes de sélection des bons services et options de calcul pour l'entraînement des modèles, en optimisant les performances et l'évolutivité. Les participants acquerront une expertise dans la différenciation entre les stratégies de déploiement en temps réel et par lots en fonction des besoins de consommation, permettant des décisions architecturales éclairées. En outre, le cours explore les meilleures pratiques MLOps, guidant les apprenants dans la conception et la mise en œuvre de flux de travail évolutifs et d'une organisation efficace de l'environnement Azure ML, assurant une intégration transparente et une gestion du cycle de vie.
Inclus
12 vidéos1 lecture2 devoirs
Afficher les informations sur le contenu du module
12 vidéos•Total 76 minutes
Identifier la source et le format des données•7 minutes
Données d'entraînement pour la modélisation des données d'Apprentissage automatique•4 minutes
Conception d'une stratégie d'ingestion de données pour les projets d'apprentissage automatique•6 minutes
Identifier les tâches d'Apprentissage automatique•5 minutes
Choix d'un service pour l'entraînement d'un modèle ML•6 minutes
Décider entre les options de calcul•7 minutes
Comprendre la consommation des modèles•6 minutes
Décider d'un déploiement en temps réel ou par lots•7 minutes
Explorer l'architecture MLOps•7 minutes
Organiser les environnements d'apprentissage automatique d'Azure•7 minutes
Conception d'une architecture MLOP•7 minutes
Conseils pour l'examen•6 minutes
1 lecture•Total 30 minutes
Conception d'une solution d'Apprentissage automatique - Vue d'ensemble•30 minutes
2 devoirs•Total 70 minutes
Configurer la collaboration et la communication - Travaux pratiques•30 minutes
Conception d'une solution d'Apprentissage automatique - Travail noté•40 minutes
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Proposant des formations certifiantes depuis l'an 2000, Whizlabs est le pionnier des fournisseurs de formation en ligne à travers le monde. Nous nous engageons à vous aider à acquérir les compétences dont vous avez besoin pour transformer votre carrière dans l'industrie informatique. Nous fournissons des formations certifiantes sous forme de cours vidéo, de tests pratiques, de laboratoires pratiques et de bacs à sable dans diverses disciplines telles que le Cloud Computing, DevOps, la cybersécurité, Java, Big Data, Snowflake, CompTIA, Agile, Linux, CCNA, Blockchain, et bien d'autres encore
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Pour accéder aux supports de cours, aux devoirs et pour obtenir un certificat, vous devez acheter l'expérience de certificat lorsque vous vous inscrivez à un cours. Vous pouvez essayer un essai gratuit ou demander une aide financière. Le cours peut proposer l'option "Cours complet, pas de certificat". Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Qu'est-ce que je recevrai si je souscris à cette Specializations ?
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la spécialisation et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page Réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.
Une aide financière est-elle disponible ?
Oui, pour certains programmes de formation, vous pouvez demander une aide financière ou une bourse si vous n'avez pas les moyens de payer les frais d'inscription. Si une aide financière ou une bourse est disponible pour votre programme de formation, vous trouverez un lien pour postuler sur la page de description.