Microsoft Corporation

DP-100: Designing and Implementing a Data Science Solution on Azure

18 hours
  740 €    592.00 €
Classroom or Live Virtual Class
Classroom or Live Virtual Class

CERTIFICACIÓN INCLUIDA

Para miembros del colectivo  PUE Alumni

AZ-900: Microsoft Azure Fundamentals AI-900: Microsoft Azure AI Fundamentals DP-900: Microsoft Azure Data Fundamentals AZ-104: Microsoft Azure Administrator AZ-204: Developing Solutions for Microsoft Azure AI-102: Designing and Implementing a Microsoft Azure AI Solution AZ-305: Designing Microsoft Azure Infrastructure Solutions AZ-400: Designing and Implementing Microsoft DevOps Solutions AZ-500: Microsoft Azure Security Technologies AZ-700: Designing and Implementing Microsoft Azure Networking Solutions AZ-800: Administering Windows Server Hybrid Core Infrastructure AZ-801: Configuring Windows Server Hybrid Advanced Services DP-100: Designing and Implementing a Data Science Solution on Azure DP-203: Data Engineering on Microsoft Azure DP-300: Administering Relational Databases on Microsoft Azure DP-600: Microsoft Fabric Analytics Engineer AZ-140: Configuring and Operating Microsoft Azure Virtual Desktop
Para más información, consulte la ruta oficial de certificaciones de Microsoft aquí.

Description

Los científicos de datos de Azure aplican sus conocimientos de ciencia de datos y aprendizaje para implementar y ejecutar cargas de trabajo de aprendizaje automático en Azure; en particular, con Azure Machine Learning Service.

En el presente curso aprenderá a operar soluciones de aprendizaje automático a escala de la nube con Azure Machine Learning. Además, se le enseña a aprovechar su conocimiento existente de Python y el aprendizaje automático para administrar la ingesta y preparación de datos, la capacitación e implementación de modelos, y la supervisión de soluciones de aprendizaje automático en Microsoft Azure.

Valor añadido de PUE

Con el objetivo de facilitar a nuestros alumnos los conocimientos previos recomendados por Microsoft para un correcto aprovechamiento de la presente formación se incluye, de manera totalmente gratuita en el coste del curso, el acceso al siguiente contenido oficial:

Además, si eres miembro del programa PUE Alumni, también tienes incluido de manera totalmente gratuita en el coste del curso, el acceso a:

PUE es Training Services Partner de Microsoft autorizado por dicha multinacional para impartir formación oficial en sus tecnologías

Audience and prerequisites

Este curso está dirigido a científicos de datos con conocimiento existente de Python y marcos de aprendizaje automático como Scikit-Learn, PyTorch y Tensorflow, que desean construir y operar soluciones de aprendizaje automático en la nube. 

Prerrequisitos

Para un mayor aprovechamiento del curso, es recomendable que el alumno tenga los siguientes conocimientos:

  • Conocimientos básicos de Azure equivalentes a haber realizado el curso Microsoft Azure Fundamentals.
  • Experiencia de escribir código en Python para trabajar con datos, utilizando bibliotecas como Numpy, Pandas y Matplotlib.
  • Comprensión de la ciencia de datos, incluyendo cómo preparar datos y entrenar modelos de aprendizaje automático utilizando bibliotecas comunes de aprendizaje automático como Scikit-Learn, PyTorch o Tensorflow.

Objectives

Una vez finalizado el curso el alumno habrá adquirido los siguientes conocimientos y habilidades:

  • Configurar un espacio de trabajo de Azure Machine Learning
  • Ejecutar experimentos y entrenar modelos
  • Optimizar y administrar modelos
  • Implementar y consumir

Certification included

Este curso oficial es el recomendado por Microsoft para la preparación del siguiente examen de certificación oficial valorado en 245,63€ (IVA incl.), cuyo coste (una convocatoria) está incluido en el precio del curso para todos los miembros del programa PUE Alumni:

La superación de este examen es requisito imprescindible para obtener la certificación Microsoft Certified: Azure Data Scientist Associate.

PUE es centro certificador oficial Pearson VUE facilitando la gestión del examen al candidato. El alumno podrá realizar su certificación, bien en nuestras instalaciones o, si lo prefiere, a través de la opción Online Proctored, que permite atender la certificación oficial de Microsoft desde cualquier ubicación con una simple conexión a internet.

Topics

Módulo 1: Introducción a Azure Machine Learning

  • Introducción a Azure Machine Learning
  • Herramientas de Azure Machine Learning

       Laboratorio: Crear un espacio de trabajo de Azure Machine Learning

       Laboratorio: Trabajar con herramientas de Azure Machine Learning

Módulo 2: Aprendizaje automático sin código con Designer

  • Modelos de capacitación con Designer
  • Publicación de modelos con Designer

       Laboratorio: Crear una canalización (pipeline) de entrenamiento con Azure ML Designer

       Laboratorio: Implementación de un servicio con Azure ML Designer

Módulo 3: Ejecución de experimentos y modelos de entrenamiento

  • Introducción a los experimentos
  • Formación y registro de modelos

       Laboratorio: Ejecución de experimentos

       Laboratorio: Modelos de entrenamiento y registro

Módulo 4: Trabajar con datos

  • Trabajar con almacenes de datos
  • Trabajar con conjuntos de datos

       Laboratorio: Trabajar con almacenes de datos

       Laboratorio: Trabajar con conjuntos de datos

Módulo 5: Calcular contextos

  • Trabajar con entornos
  • Trabajar con objetivos de cómputo

       Laboratorio: Trabajar con entornos

       Laboratorio: Trabajar con objetivos de cómputo

Módulo 6: Orquestación de operaciones con canalizaciones

  • Introducción de canalizaciones
  • Publicación y ejecución de canalizaciones

       Laboratorio: Crear una canalización

       Laboratorio: Publicar una canalización

Módulo 7: Implementación y consumo de modelos

  • Inferencia en tiempo real
  • Inferencia por lotes

       Laboratorio: Crear un servicio de inferencia en tiempo real

       Laboratorio: Crear un servicio de inferencia por lotes

Módulo 8: Entrenamiento de modelos óptimos

  • Ajuste de hiperparámetro
  • Machine Learning automatizado

       Laboratorio: Hiperparámetros de ajuste

       Laboratorio: Usar el machine learning automatizado

Módulo 9: Interpretar modelos

  • Introducción a la interpretación del modelo
  • Usando explicaciones del modelo

       Laboratorio: Revisión de explicaciones automatizadas de machine learning

       Laboratorio: Interpretar modelos

Módulo 10: Modelos de supervisión

  • Modelos de monitorización con Application Insights
  • Monitorización de deriva de datos

       Laboratorio: Monitorización de un modelo con Application Insights

       Laboratorio: Monitorización de deriva de datos

Open calls