DP-100T01: DESIGNING AND IMPLEMENTING A DATA SCIENCE SOLUTION ON AZURE

Volver

DP-100T01: DESIGNING AND IMPLEMENTING A DATA SCIENCE SOLUTION ON AZURE

Datos del curso 24/0999.009

Familia: INFORMÁTICA Y COMUNICACIONES

Certificado profesional: NO

Modalidad

Presencial

Horas

32

Fecha

Mon Oct 14 00:00:00 GMT 2024

Tipo de formación

General

Horario

Virtual de 16:00 a 20:00

Fecha fin

Thu Oct 24 00:00:00 GMT 2024

Alumnos

16

Fin inscripción

Preinscripción cerrada

Datos del centro

Localidad:

ZARAGOZA

Teléfono:

976715153

Responsable:

José Antonio Barrabés

Dirección:

AVENIDA ALCALDE SAINZ DE VARANDA 15

Requisitos para realizar el curso

Requisitos

Requisitos especificos

Tener conocimientos básicos de conceptos de informática en la nube y experiencia en técnicas y herramientas generales de ciencia de datos y aprendizaje automático:
· Creación de recursos en la nube en Microsoft Azure.
· Uso de Python para explorar y visualizar datos.
· Entrenamiento y validación de modelos de Machine Learning mediante marcos comunes, como Scikit-Learn, PyTorch y TensorFlow.
Trabajo con contenedores.

Finalidad y Programa del curso

Finalidad

Formar de manera actualizada a profesionales para su inmediata adecuación laboral.

Programa

Examen de certificación incluido: DP-100 Designing and Implementing a Data Science Solution on Azure
· Módulo 1: Diseño de una estrategia de ingesta de datos para proyectos de aprendizaje automático
· Módulo 2: Diseño de una solución de entrenamiento de modelos de Machine Learning
· Módulo 3: Diseño de una solución de implementación de modelos
· Módulo 4: Exploración de recursos del área de trabajo de Azure Machine Learning
· Módulo 5: Exploración de las herramientas de desarrollo para la interacción de áreas de trabajo
· Módulo 6: Hacer que los datos estén disponibles en Azure Machine Learning
· Módulo 7: Trabajo con destinos de proceso en Azure Machine Learning
· Módulo 8: Trabajo con entornos de Azure Machine Learning
· Módulo 9: Búsqueda del mejor modelo de clasificación con aprendizaje automático automatizado
· Módulo 10: Seguimiento del entrenamiento de modelos en cuadernos de Jupyter Notebook con MLflow
· Módulo 11: Ejecución de un script de entrenamiento como un trabajo de comando en Azure Machine Learning
· Módulo 12: Seguimiento del entrenamiento del modelo con MLflow en trabajos
· Módulo 13: Ejecución de canalizaciones en Azure Machine Learning
· Módulo 14: Realización del ajuste de hiperparámetros con Azure Machine Learning
· Módulo 15: Implementación de un modelo en un punto de conexión en línea administrado
· Módulo 16: Implementación de un modelo en un punto de conexión por lotes

Profesorado

Equipamiento

Fecha y hora previstas de la seleccion

Fecha Selección 03/10/2024

Hora Selección 16:00