DP-100 – Conception et implémentation d’une solution de science des données sur Azure

  • Référence

    MS-DP100

  • Durée

    4 jours (28 h)

  • Prix par personne HT

    2 650 € HT

Description

Avec cette formation, vous disposerez des connaissances nécessaires pour utiliser les services Azure afin de développer, préparer et déployer des solutions de machine learning. Cette formation commence par un aperçu des services Azure supportant la science des données. Puis elle se concentre sur l’utilisation des services de data science d’Azure, le service de machine learning d’Azure en vue d’automatiser le pipeline.

Objectifs pédagogiques

  • Concevoir et préparer une solution de machine learning
  • Explorer les données et entraîner les modèles
  • Préparer un modèle pour le déploiement
  • Déployer et entraîner de nouveau le modèle

Public cible

Data Scientists qui souhaitent développer et concevoir des solutions de machine learning dans le Cloud.

Pré-requis

Bonne compréhension de la data science. Connaissances de base d’Azure, de la programmation en langage Python et connaissance des solutions de machine learning Scikit-Learn, PyTorch et Tensorflow.

Modalités d'évaluation

L’évaluation des acquis se fait tout au long de la session au travers d’ateliers de mise en pratique des notions et concepts abordés pendant la formation.

Programme de la formation

Module 1 : Introduction à la science des données sur Azure

 

  • Présentation des concepts fondamentaux de la science des données et
    introduction aux services Azure pertinents pour les solutions de science des données.

 

Module 2 : Préparation des données dans Azure

 

  • Apprentissage des techniques d’ingestion, de transformation et de
    préparation des données à l’aide des services Azure, tels qu’Azure Data Factory et
    Azure Databricks.

 

Module 3 : Développement et entraînement de modèles

 

  • Exploration des méthodes de développement, d’entraînement et
    d’évaluation de modèles de machine learning en utilisant Azure Machine Learning et
    d’autres outils Azure.

 

Module 4 : Déploiement et gestion des modèles

 

  • Approfondissement des techniques de déploiement, de surveillance et
    d’optimisation des modèles de machine learning sur Azure pour assurer leur
    performance et leur fiabilité.

 

Module 5 : Implémentation de MLOps sur Azure

 

  • Introduction aux pratiques de MLOps (Machine Learning Operations) pour
    automatiser et gérer le cycle de vie des modèles de machine learning sur Azure.

Programme mis à jour le