مایکروسافت Azure Data Scientist Associate (DP-100) Cert Prep

مدرس Noah Gift

انتشار 2025/06/18

مدت زمان 1h 50m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Microsoft Azure Data Scientist Associate (DP-100) Cert Prep

در این دوره جامع، Noah Gift متخصص MLOps به شما کمک می کند تا برای آزمون گواهینامه Microsoft Azure Data Scientist Associate (DP-100) آماده شوید. با ایجاد فضای کاری Azure Machine Learning، نحوه طراحی و آماده سازی راه حل یادگیری ماشین را بیاموزید. داده ها را کاوش کنید و آزمایش ها را از طریق توسعه کد با یک نمونه محاسباتی، آموزش یک مدل با Python SDK و موارد دیگر اجرا کنید. مراحل کامل آموزش و استقرار مدل ها را طی کنید. به‌علاوه، در تکنیک‌هایی که می‌توانید برای بهینه‌سازی مدل‌های زبان برای برنامه‌های هوش مصنوعی استفاده کنید، غوطه‌ور شوید. این دوره توسط Noah Gift ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

Artificial Intelligence (AI) Azure Resource Manager Microsoft Azure Machine Learning

Introduction

Overview ()

Prerequisite technology ()

Domain 1: Design and Prepare a Machine Learning Solution

Determine the appropriate compute specifications for a training workload ()

Create an Azure Machine Learning workspace ()

Manage a workspace by using developer tools for workspace interaction ()

Create and manage data assets ()

Create compute targets for experiments and training ()

Monitor compute utilization ()

Domain 2: Explore Data and Train Models

Load and transform data ()

Analyze data by using Azure Data Explorer ()

Demo: Azure Data Explorer ()

Consume data assets from the designer ()

Use automated machine learning for tabular data ()

Develop code by using a compute instance ()

Consume data in a notebook ()

Train a model by using Python SDK ()

Techniques for dealing with hyperparameter optimization ()

Domain 3: Prepare a Model for Deployment

Configure compute for a job run ()

Consume data from a data asset in a job ()

Run a script as a job by using Azure Machine Learning ()

Use MLflow to log metrics from a job run ()

Describe MLflow model output ()

Identify an appropriate framework to package a model ()

Describe MLflow model workflow in Databricks ()

Domain 4: Deploy and Retrain a Model

Configure compute for a batch deployment ()

Deploy a model to a batch endpoint ()

Test a real-time deployed service ()

Apply machine learning operations (MLOps) practices ()

Trigger an Azure Machine Learning pipeline, including from Azure DevOps or GitHub ()

Conclusion ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.