Découvrez comment maîtriser Azure Machine Learning pour optimiser vos projets d’intelligence artificielle. Notre formation « Train and deploy a machine learning model with Azure Machine Learning (DP-3007) » vous guide à travers les étapes cruciales, de la préparation des données à la configuration des ressources de calcul, jusqu’à l’entrainement et le déploiement de modèles pour des prédictions en temps réel.
Que vous souhaitiez créer et gérer des environnements personnalisés, suivre les performances des modèles avec MLflow, ou déployer efficacement vos solutions, ce parcours d’apprentissage est conçu pour équiper les professionnels avec les compétences nécessaires pour exceller dans le domaine dynamique du machine learning. Rejoignez notre cours Train and deploy a machine learning model with Azure Machine Learning (DP-3007) pour transformer vos connaissances en actions concrètes et mener vos projets d’IA vers de nouveaux sommets d’efficacité et d’innovation.
Module 1 : Rendre les données disponibles dans Azure Machine Learning
Module 2 : Travailler avec les cibles de calcul dans Azure Machine Learning
Module 3 : Travailler avec les environnements dans Azure Machine Learning
Module 4 : Exécuter un script d’entraînement comme une tâche de commande dans Azure Machine Learning
Module 5 : Suivre l’entraînement des modèles avec MLflow dans les tâches
Module 6 : Enregistrer un modèle MLflow dans Azure Machine Learning
Module 7 : Déployer un modèle sur un point de terminaison en ligne géré
Azure Machine Learning fournit une plateforme complete pour entrainer, evaluer et deployer des modeles de Machine Learning. Cette formation pratique vous guide dans la creation d’un modele de bout en bout.
La formation DP-3007 vous apprend en une journee a Geneve ou Lausanne a entrainer et deployer un modele ML avec Azure Machine Learning.
La formation couvre la preparation des donnees, la configuration des environnements de calcul, l’entrainement avec scikit-learn ou PyTorch, le tracking des experiences avec MLflow et le deploiement en endpoints temps reel. AutoML est presente pour l’automatisation de la selection de modeles.
Chez ITTA, la formation est dispensee par un formateur certifie MCT a Geneve ou Lausanne, avec des labs pratiques sur environnement cloud Microsoft.
Quels sont les prerequis ?
Des connaissances en Python et en concepts de ML sont recommandees.
Quelle est la difference avec DP-100 ?
DP-3007 est une journee pratique focalisee sur l’entrainement/deploiement. DP-100 couvre l’ensemble du cycle ML sur quatre jours avec certification.
La formation est-elle disponible en classe virtuelle ?
Oui, en presentiel et en classe virtuelle.
ITTA
Route des jeunes 35
1227 Carouge, Suisse
ITTA
Route des jeunes 35
1227 Carouge, Suisse
