Звезды и С - Главная Звезды и С - Citrix Звезды и С - Microsoft Звезды и С - О нас

Спец. предложения|Обучение|Вебинары|Сертификация|Тестирование|О нас|Работа с сайтом|Новости|Поиск
Обучение

Специальные предложения
Software Assurance - Бесплатные курсы обучения по ваучерам
CITRIX
MICROSOFT
Авторские курсы Microsoft
Microsoft Windows Server 2012 R2 / 2016
Microsoft Windows 10 / 8.1
Облачные технологии: Microsoft Windows Azure, Private Cloud, Office 365
Microsoft Exchange Server 2013 / 2016
Microsoft System Center
Microsoft Lync Server 2013 / Skype for business 2015
Microsoft SQL Server 2014 / 2016
Microsoft SharePoint 2013 / 2016
Microsoft Visual Studio 2013 / 2016
Microsoft On-Demand
Расписание курсов Microsoft и Citrix в графическом формате
Корпоративное обучение пользователей Microsoft Office
Более ранние версии программных продуктов Microsoft
Cisco, VMware, Red Hat, ITIL, ets
Вечернее обучение
Условия обучения

Курс M20774: Облачная аналитиа Big Data при помощи машинного обучения в Azure

Цена для физических лиц, р.: 29900
Цена для юридических лиц, р.: 30900
Цена вебинара для физических лиц, р.: 28900
Цена вебинара для юридических лиц, р.: 28900

Продолжительность курса (дней): 5

Даты (день):

Даты (вечер):

Курс готовит к тестам:

Цель:

Необходимая подготовка:

Предварительный тест:

Результат:

План курса:

20774A

Модуль 1: Введение в машинное обучение

  • Что такое машинное обучение?
  • Введение в алгоритмы машинного обучения
  • Введение в языки машинного обучения
  • Лабораторная работа: Введение в машинное обучение
    • Регистрация в Azure
    • Тестирование работы
    • Оценка работы

Модуль 2: Введение в машинное обучение Azure

  • Обзор машинного обучения Azure
  • Введение в Azure Machine Learning Studio
  • Разработка и размещение приложений машинного обучения Azure
  • Лабораторная работа: Введение в машинное обучение Azure
    • Изучение Azure Machine Learning Studio
    • Клонирование и запуск простого эксперимента
    • Клонирование эксперимента, внесение простых изменений и повторный запуск

Модуль 3: Работа с наборами данных

  • Классификация данных
  • Импорт данных для машинного обучения Azure
  • Исследование и преобразование данных в машинном обучении Azure
  • Лабораторная работа: Визуализация данных
    • Подготовка базы данных SQL Azure
    • Импорт данных
    • Визуализация данных
    • Суммирование данных

Модуль 4: Подготовка данных для использования машинного обучения Azure

  • Предварительная обработка данных
  • Обработки неполных данных
  • Лабораторная работа: Подготовка данных для использования машинного обучения Azure
    • Обзор данных с помощью Power BI
    • Зачистка данных

Модуль 5: Использование средств конструирования и выборки

  • Использование компонент конструирования
  • Использование компонент выбора
  • Лабораторная работа: Использование средств конструирования и выборки
    • Слияние наборов данных
    • Использовать PCA для понижения измерений

Модуль 6: Построение моделей машинного обучения Azure

  • Процессы машинного обучения Azure
  • Оценка и применение моделей
  • Применение регрессионных алгоритмов
  • Использование нейронных сетей
  • Лабораторная работа: Построение моделей машинного обучения Azure
    • Использование модуля Azure machine learning Studio для подключения регрессии
    • Оценки моделей машинного обучения
    • Добавление дополнительных регрессионных моделей
    • Создание и запуск приложений с алгоритмами нейронных сетей

Модуль 7: Классификация и кластеризация в моделях машинного обучения Azure

  • Алгоритмы классификации
  • Методы кластеризации
  • Выбор алгоритмов
  • Лабораторная работа: Классификация и кластеризация в моделях машинного обучения Azure
    • Использование модулей Azure machine learning Studio для классификации
    • Добавить раздел К-среднего в эксперимент
    • Добавить PCA для обнаружения аномалий
    • Анализ моделей

Модуль 8: Использование R и Python в машинном обучении Azure

  • Использование R
  • Использование Python
  • Использование блокнотов Jupyter
  • Лабораторная работа: Использование R и Python в машинном обучении Azure
    • Добавление скриптов на R и Python
    • Использование Python в интегрированной среде разработки Visual Studio
    • Добавление блокнота Jupyter
    • Запуск блокнота Jupyter
    • Импорт пакетов для R/Python
    • Визуализация данных с помощью R/Python
    • Программирование на R для работы на основе временных рядов

Модуль 9: Инициализация и оптимизация моделей машинного обучения

  • Использование гипер-параметров
  • Использование нескольких алгоритмов и моделей
  • Сравнение и оценка ансамбля
  • Лабораторная работа: Инициализация и оптимизация моделей машинного обучения
    • Использование гипер-параметров
    • Построение ансамбля с помощью стека
    • Оценка ансамбля

Модуль 10: Использование моделей машинного обучения Azure

  • Развертывание и публикации моделей
  • Экспорт данных
  • Лабораторная работа: Использование моделей машинного обучения Azure
    • Развертывание моделей машинного обучения
    • Использование опубликованных моделей
    • Экспорт данных
    • Использовать экспортированные данные в модели машинного обучения

Модуль 11: Использование когнитивных служб

  • Обзор когнитивных служб
  • Обработка текста
  • Обработка изображений
  • Создание рекомендаций
  • Лабораторная работа: Использование когнитивных служб
    • Создание и запуск приложения обработки текста
    • Создание и запуск приложения для обработки изображений
    • Создание и запуск приложения с рекомендацией

Модуль 12: Использование машинного обучения с HDInsight

  • Введение в HDInsight
  • Типы кластеров HDInsight
  • HDInsight и модели машинного обучения
  • Лабораторная работа: Использование машинного обучения с HDInsight
    • Развертывание кластера HDInsight
    • Использование кластера HDInsight
    • Отображение данных в Power BI

Модуль 13: Использование R-сервисов машинного обучения

  • Обзор R и сервера R
  • Использование сервера R в моделях машинного обучения
  • Использование R с SQL Server
  • Лабораторная работа: Использование R-сервисов машинного обучения
    • Развертывание DSVM
    • Наука о данных в виртуальной машине
    • Настройка сервера R
    • Запуск образца приложения сервера R
    • Развертывание SQL Server 2016 в виртуальной машине Azure
    • Настройка SQL Server для разрешения выполнения сценариев R
    • Выполнение скриптов R внутри выражений Т-SQL
    • Использование R для визуализации данных


  Спец. предложения|Обучение|Вебинары|Сертификация|Тестирование|О нас|Работа с сайтом|Новости|Поиск

   Тел: +74953633686 email: info@stars-s.ru

   125040, Москва, Ленинградский проспект, д. 5, стр. 2, под. 5, офис "Звезды и С"

  © Учебный центр "Звезды и С", 1991-2019, Оферта