Créer une solution Data Science sur Azure
Prix inter HT / stagiaire : 2700 €
Pré-requis :
- Datascience.
- Machine Learning.
- Cloud.
Télécharger le plan
DETAILS DE LA FORMATION
Syllabus complet-
Introduction
Présentation d'Azure
Services Azure pour la Data Science
Importance du cloud dans les projets de Data Science
Cas d'utilisation typiques
TP: Créer un compte Azure et explorer les services.
Azure Machine Learning : prise en main
Qu'est-ce qu'Azure Machine Learning ?
Architecture et composants d'Azure ML
Configuration de l'environnement Azure ML
Azure Machine Learning studio
SDK Python. Interface CLI
Apprentissage d'un modèle
URI, ressources, environnements
TP: Configuration d'un workspace Azure ML
TP: Apprentissage d'un modèle
Préparer des données pour le ML
Sources, formats, ingestion de données
Importation et exploration des données
Prétraitement et nettoyage des données
Techniques d'ingénierie des fonctionnalités
TP: Préparer un jeu de données pour l'entraînement
Créer et entraîneer des modèles de ML
Choix des algorithmes et création de modèles
Entraîneer et valider des modèles
Utiliser MLFlow pour le suivi des expériences
Journaliser et inscrire des modèles avec MLflow
Journaliser des modèles avec MLflow
Inscrire un modèle MLflow dans le registre de modèles
TP: Entraîner un modèle de ML sur un jeu de données
Déployer / consommer des modèles
Méthodes de déploiement (web service, conteneurs, etc.)
Configuration et gestion des endpoints
Intégration avec des applications tierces
Points de terminaison en ligne managés (PTLM)
Déployer un modèle sur un PTLM
Tester des points de terminaison
Déployer sur un point de terminaison par lots
Déployer un modèle sur un PTL (MLFlow)
Appeler les points de terminaison par lots
TP: Déploiements mise en oeuvre
TP: Déployer sous forme d'API REST
Superviser et maintenir des modèles déployés
Architectures MLOps
Suivi des performances des modèles
Stratégies de mise à jour et de réentraînement
Gestion des versions des modèles
TP: Stratégie de monitoring pour un modèle déployé
Plus loin avec Azure ML et MLFlow
a- ML automatisé sur Azure
Prétraiter les données et configurer la caractérisation
Exécuter une expérience ML automatisé
Evaluer et comparer des modèles
TP : Mise en oeuvre du ML automatisé
b- Modèles, Notebooks Jupyter avec MLflow
Configurer MLflow. Apprentissage des les Notebooks
Suivre des modèles dans les notebooks
Journalisation automatique et personnalisée
Script d'entraînement en tant que travail de commande
Convertir un notebook en script
Exécuter un script en tant que travail de commande
aramètres dans un travail de commande
TP : Exécution de scripts
c- Modèle avec MLflow, apprentissage, travaux
Les métriques avec MLflow
Afficher les métriques et évaluer les modèles
Journalisation automatique et personnalisée
d- Hyperparamètres avec Azure ML
Définir un espace de recherche
Configurer une méthode d'échantillonnage
Configurer l'arrêt anticipé
Balayage pour le réglage des hyperparamètres
e- Pipelines dans Azure Machine Learning
Créer des composants
Créer un pipeline
Exécuter un travail de pipeline
TP : mise en oeuvre
Études de cas et projets pratiques
Analyse de projets réussis utilisant Azure ML
Présentation de défis courants et solutions
Projet final : Créer une solution complète de Data Science sur Azure
TP: Présentation des projets réalisés par les stagiaires.
- Ce qui est inclus
-
+ Formateur expérimenté
+ Support du cours
+ Notes de cours divers
+ Rappels - Public concerné
-
+ Data scientists
+ Ingénieurs Data
+ Ingénieurs MLOps - Certification et évaluation
-
Pendant la formation, des travaux pratiques et études de cas sont proposés. Cette formation ne propose pas encore de certification.
AVANTAGES. TEMOIGNAGES
- Votre coach Reconvert.
- Pédagogie orientée pratique.
- Echanges interactifs.
- Communautés.
La qualité est excellente, l'enseignant crée un espace de confiance et rend la formation très agréable. J'ai adoré, le professeur et son cours sont très complets. La formation a été facile à comprendre et très dynamique. Le formateur est un excellent professeur.
J. Ruiz
The Moneytizer, Mexico
La formation avec vous était géniale. C'est super intéressant et très formateur. Actuellement je suis chez Micropole, en tant que Cloud & Big Data Engineer. Merci.
A. Chuttoo
Micropole, France
Ces 4 jours ont été enrichissants. Suite à la formation HTML puis CSS, celle de Javascript m'a apporté encore plus de connaissances et de compétences sur le sujet.
J. Salgueiro
The Moneytizer, Brazil
Autres références :
Cliquez sur le logo.
Capgemini Atos Allianz TheMoneytizer CPAM M2iFormation Global Knowledge Ikea Hewlett Packard Ministère de la Défense AKKA Ministère de l'intérieur AFP Enedis Viveris Titeflex Autres
DUREE (H)
Durée : 28 heures.
PRIX. DATES. RESERVER
- PRESENTIEL ou CLASSE VIRTUELLE
-
Diffusée en Présentiel ou en Classe Virtuelle, cette formation peut être faite soit en :
1- inter entreprise : avec des stagiaires de plusieurs entreprises,
2- intra entreprise : avec des stagiaires qui sont de la même entreprise.
Quelque soit la formule souhaitée, veuillez réservez un RDV téléphonique avec un conseiller en cliquant ci-dessous.
Prix inter HT / stagiaire : 2700 €
Autres formations
Python par la pratique
Apprendre par la pratique à programmer en langage Python.
Django : développement web en Python
Apprendre à développer des applications web en Python avec le framework Django.
MYSQL : prise en main et langage SQL
Ecrire et tester du SQL pour les données de votre application web.
PostgreSQL
Apprendre le langage SQL à travers le serveur de bases de données PostgreSQL.
Certification Python TOSA
Se préparer en pratique à passer la certification TOSA Python3.
Scraping Web en Python
Apprendre à extraire des données depuis un site web en utilisant des modules Python.